태양계를 탐험하는데 반드시 필요한 인공지능 로봇

우주를 탐험하는 것이 쉬운 로봇

우주를 탐험하는것이 쉬운 로봇

솔직히 말해서 로봇이 우리 인간보다 우주를 탐험하는 것이 훨씬 쉽습니다. 로봇은 신선한 공기와 물이 필요하지 않으며 생존을 위해 많은 음식을 가지고 다닐 필요가 없습니다. 그러나 그들은 인간이 그들을 조종하고 결정을 내릴 것을 요구합니다. 기계 학습 기술의 발전은 컴퓨터를 행성 과학에서보다 적극적인 협력자로 만들 수 있습니다. 지난주 2022년 미국 지구물리학 연합(AGU) 가을 회의에서 행성 과학자와 천문학자들은 목성의 얼음 위성 유로파에 대한 미래 임무 착륙 계획에서 작은 수성의 화산 식별에 이르기까지 새로운 기계 학습 기술이 태양계에 대해 배우는 방식을 어떻게 변화시키고 있는지에 대해 논의했습니다.

인공지능이 필요한 우주탐험

기계 학습은 데이터의 패턴을 식별한 다음 이러한 패턴을 활용하여 의사 결정, 예측 또는 분류를 수행하도록 컴퓨터를 훈련시키는 방법입니다. 생명 유지 장치가 필요하지 않은 것 외에도 컴퓨터의 또 다른 주요 이점은 속도입니다. 천문학의 많은 작업에서 인간이 필요한 모든 데이터를 조사하는 데 몇 달, 몇 년 또는 수십 년의 노력이 필요할 수 있습니다. 한 가지 예는 다른 행성의 사진에서 바위를 식별하는 것입니다. 몇 개의 바위의 경우 이봐, 바위가 있다고 말하는 것만 큼 쉽지만 수천 번 반복한다고 상상해 보십시오. 이 작업은 꽤 지루해지고 많은 과학자들의 귀중한 작업 시간을 잡아먹을 것입니다. 최대 10,000, 수십만 개의 바위를 찾을 수 있으며 시간이 많이 걸립니다라고 캘리포니아 스탠퍼드 대학의 행성 과학자 인 Nils Prieur는 AGU에서 연설하면서 말했습니다. Prieur의 새로운 기계 학습 알고리즘은 단 30분 만에 달 전체의 바위를 감지할 수 있습니다. 새로운 임무가 목적지에 안전하게 착륙할 수 있도록 이 큰 바위 덩어리가 어디에 있는지 아는 것이 중요합니다. 바위는 지질학에도 유용하며, 충돌이 주변의 암석을 분해하여 분화구를 만드는 방법에 대한 단서를 제공합니다. 컴퓨터는 수성의 폭발성 화산, 목성의 두꺼운 대기의 소용돌이 및 달의 분화구 등 여러 가지 다른 행성 현상도 식별할 수 있습니다. 콘퍼런스에서 메릴랜드에 있는 NASA의 고다드 우주 비행 센터의 행성 과학자 에단 던컨(Ethan Duncan)은 기계 학습이 목성의 얼음 위성 유로파에서 암석 덩어리가 아니라 얼음 덩어리를 식별하는 방법을 시연했습니다. 소위 혼돈 지형은 어두운 배경에 밝은 얼음 덩어리가 흩어져 있는 유로파 표면의 지저분해 보이는 부분입니다. 지하바다가 있는 유로파는 외계 생명체에 관심이 있는 천문학자들의 주요 목표이며, 이 얼음 덩어리를 매핑하는 것은 향후 임무를 계획하는 데 핵심이 될 것입니다.

향후 임무를 계획하는데 핵심인 로봇

다가오는 임무에는 인공 지능이 팀의 일원으로 통합되어 이 기술을 사용하여 프로브가 위험에 실시간으로 대응하고 자율적으로 착륙할 수 있도록 할 수도 있습니다. 착륙은 우주선의 악명 높은 도전이며 항상 임무에서 가장 위험한 시기 중 하나입니다. 화성에서의 7 분의 공포(하강 및 착륙 중)는 우리가 많이 이야기하는 것입니다라고 NASA Goddard의 행성 과학자 인 Bethany Theiling은 그녀의 연설에서 말했다 태양계로 갈수록 훨씬 더 복잡해집니다. 우리는 의사소통이 많은 시간을 지연시킵니다. 토성의 메탄으로 가득 찬 위성 타이탄에 착륙하는 탐사선의 메시지는 지구로 돌아오는 데 한 시간 반이 조금 걸리지 않을 것입니다. 인간의 응답이 목적지에 도착할 때까지 통신 루프는 거의 3 시간이 걸릴 것입니다. 실시간 응답이 필요한 착륙과 같은 상황에서 지구와의 이런 종류의 앞뒤는 그것을 자르지 않을 것입니다. Theiling에 따르면 기계 학습과 AI는 주변 환경에 대한 관찰을 기반으로 결정을 내릴 수 있는 능력을 프로브에 제공하여 이 문제를 해결하는 데 도움이 될 수 있습니다. 과학자와 엔지니어 여러분, 우리는 당신을 없애려는 것이 아닙니다. 테일링이 말했다 우리가 하려는 것은 해당 데이터로 소비하는 시간이 우리가 관리할 수 있는 가장 유용한 시간이 될 것이라는 것입니다 기계 학습은 인간을 대체하지는 않지만 과학적 발견을 위한 툴킷에 강력한 추가 기능이 될 수 있기를 바랍니다.