Kunstig intelligens sætter raketfart på rumforskningen
more_vert
close
close

Vores nyhedsbreve

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og at Mediehuset Ingeniøren og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, tilbud mm via telefon, SMS og email. I nyhedsbreve og mails fra Mediehuset Ingeniøren kan findes markedsføring fra samarbejdspartnere.

Kunstig intelligens sætter raketfart på rumforskningen

Eksperter og rumforskere vurderer, at ture til meteorer, måner, planeter og vores viden om selve universet i de kommende år vil kunne sende en stor takketale til diverse AI-­systemer.

»Jeg vil sige, at AI allerede er en ‘game changer’, der har gjort undersøgelser og forskning langt mere effektiv. Vi taler om en forbedring i tiende potens,« vurderer Leopold Summerer, leder af ESA’s Advanced Concepts and Studies (ACT)-­afdeling.

»AI fanger ting, vi ellers risikerede at gå glip af. For eksempel bemærkede Googles AI, at et fjernt solsystem havde en exoplanet mere, end det tidligere var anslået. Solsystemet har otte planeter ligesom vores eget,« fortæller Bill Diamond, direktør i Seti Institute, der står bag organiserede søgninger efter liv i rummet.

Masser af succes

Earth Observer 1-satellitten, opsendt i 2003, er et godt eksempel på, hvordan AI sænker reaktionstiden og fører til nye opdagelser. Dens AI-systemer optimerede opdagelse, analyse og respons på naturhændelser såsom oversvømmelser og vulkanudbrud. Til tider var systemerne i stand til at fange billeder af en igangværende begivenhed, før forskerne på Jorden var klar over, at den havde fundet sted.

Og der findes masser af andre eksempler. Sky Image Cataloging and Analysis Tool (Skicat) har hjulpet med klassificeringen af himmel­legemer. Når den blev fodret med tilstrækkeligt mange billeder af, hvad forskerne søgte efter, kunne AI-softwaren klassificere tusindvis af flere objekter fanget i lav opløsning, end mennesker ville være i stand til.

Andre AI-systemer har hjulpet astronomer med at identificere 56 nye mulige gravitationslinser, som blandt andet bruges i forbindelse med forskning i mørkt stof, og et samarbejde mellem Seti Institute og Nasa har skåret tiden, det tager at beregne asteroiders baner, ned fra to-tre mandemåneder til uger – og i nogle tilfælde dage.

Styrken er datatrawling

Evnen til at trawle gennem data fremhæves af forskere som en af AI’s store fordele og en evne, som det kommende Square Kilometre Array-teleskop illustrerer nødvendigheden af. Det vil producere 160 terabyte rådata – i sekundet.

Dario Izzo, videnskabelig koordinator hos ACT, fortæller, at de mange nye data kan gøre AI-systemer endnu bedre.

»Neurale netværk ser ikke ud til at have en øvre grænse. Sagt lidt firkantet bliver de mere præcise, jo flere data vi fodrer dem med,« siger han.

AI på Mars

I dag kører et AI-system, kendt under forkortelsen Aegis (Autonomous Exploration for Gathering Increased Science), rundt på Mars som del af Nasas rovere. Den næste generation af rovere vil dog være langt mere avancerede, hvad angår AI.

Mars 2020 Rover er sat til at lande på den røde planet i begyndelsen af 2021. Dens AI-systemer vil kunne styre køretøjet, assistere med at udvælge, hvad der skal studeres, og dynamisk planlægge og udføre videnskabelige opgaver.

Læs også: Instrumenter på Nasas Mars 2020 Rover trækker på AI

AI spiller også en stor rolle i forbindelse med landingen på Mars, fortæller Jens Frydenvang fra Statens Naturhistoriske Museum, som er del af teamet, der står for det såkaldte SuperCam-instrument på Mars 2020-roveren.

»Hele landingsprocessen sker automatisk. Vi finder først ud af, hvordan det gik, når roveren står på overfladen. 2020-missionen involverer brug af billedgenkendelse undervejs, hvor AI-systemer løbende opdaterer og retter til. Sammenligner man med de foregående missioner, ser det ud til, at vi vil kunne lande inden for en cirkel med en diameter på 10 kilometer. Den grad af præci­sion giver os mulighed for at undersøge områder, som vi ellers ikke ville kunne komme til,« siger han.

Fordobler produktiviteten

John Leif Jørgensen fra DTU Space har gennem sin karriere designet udstyr og systemer, der har været om bord på omkring 100 satellitter. Til Mars 2020 er han meddesigner på et autonomt videnskabeligt instrument, der hedder Pixl, som skal undersøge, om der har været livsformer som stromatolitter på Mars.

»Vores AI skal hjælpe med at lade Pixl operere autonomt igennem natten og konstant rette til, efterhånden som omgivelserne forandrer sig. Der er desuden systemer, der dynamisk kan bestemme, hvornår Pixls røntgenmikroskop er færdigt med et område og kan bevæge videre til det næste. AI er kernen i dette arbejde og øger produktiviteten til noget nær det dobbelte,« fortæller han.

Farer venter for AI i rummet

Anvendelsen af AI til udforskning af rummet har dog også sine udfordringer. På grund af de høje strålingsniveauer og stringente godkendelsesprocesser, er hardwaren ombord på satellitter og rovere nok mere sammenlignelig med en Nokia 3310 end med en iPhone X. Samtidig er der et tæt samspil mellem, hvor gode og hvor mange data et AI-system fodres med, og hvor effektivt det kan operere.

Begge faktorer kommer i spil, efterhånden som AI bevæger sig længere væk fra Jorden. Mars er sandsynligvis langtfra slutdestinationen for AI i rummet. Jupiters måner har længe fascineret forskere. Især Europas undergrundshav, begravet under en ca. 10 km tyk iskappe. Det er en af de mest sandsynlige kandidater til at finde liv andre steder i solsystemet, men afstanden mellem Jorden og Europa betyder, at det er en bydende nødvendighed for en sonde at kunne træffe sine egen beslutninger i et stort set ukendt miljø.