长期以来，对于派遣机器人探索太阳系以寻找生命迹象的最大诟病，一直是它们无法像人类那样有效地做出直观甚至富有创造力的决定。 人工智能 (AI) 的最新进展有望很快缩小这一差距——这是一件好事，因为目前尚无派遣人员探索火星地下洞穴或在木卫二冰冷水域下寻找 热液喷口 的近期计划。在可预见的未来，这些任务很可能由近乎自主的探测车和潜艇来完成，即使与地球失联数周甚至数月，它们也能承受恶劣条件并进行重要的科学实验。
当 史蒂夫·钱恩 在 20 世纪 90 年代中期接管美国宇航局喷气推进实验室的 人工智能 (AI) 小组 时，如此复杂的人工智能似乎更像是科幻小说，而不是注定要在美国宇航局即将到来的 2020 年火星任务 中发挥关键作用的东西。钱恩有一个愿景，即让这项技术成为美国宇航局最重要任务中不可或缺的一部分。但 25 年前的人工智能——算法不那么复杂，计算机速度也较慢——这项技术根本无法胜任这项任务。
不过，钱恩很有耐心。他的团队的技术逐渐开始自动化繁琐的任务，并改进长期以来依赖研究人员艰苦观察的工作。例如，喷气推进实验室使用称为决策树的预测模型创建了天空图像编目和分析工具 (SKICAT, pdf)——并用它来帮助美国宇航局自动化分类在 第二次帕洛玛天文台巡天 中发现的天体，该巡天是在 20 世纪 80 年代早期进行的。一旦 SKICAT 被输入足够多的科学家正在寻找的图像，该软件就能比人类在帕洛玛山巡天中分类出更多微弱、低分辨率的天体。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
经过多年的渐进式改进，当美国宇航局要求钱恩和他的团队设计用于自动化 地球观测 1 号
(EO-1) 卫星的软件时，他们获得了人工智能的巨大成功。 美国宇航局于 2003 年将喷气推进实验室的自主科学飞行器实验 (ASE) 软件上传到卫星上，在十多年里，它帮助研究了洪水、火山爆发和其他自然现象。在 EO-1 于 3 月停用之前，ASE 软件有时会收到来自其他卫星或地面传感器的关于火山爆发的警报，并自主提示 EO-1 捕获图像——甚至在科学家意识到发生这种情况之前。
喷气推进实验室在 ASE 和其他项目上的工作让美国宇航局确信，人工智能可以在“火星 2020”任务中发挥重要作用。钱恩和他的团队正在率先开发一种新型探测车，它比以往任何在火星红色多岩石表面上漫游的车辆都先进得多。 “火星 2020”探测器 在选择自己的研究和实验目标方面将拥有很大的自主权，因为它们要寻找生命曾经在地球最近的行星邻居上存在的证据。
《大众科学》 最近采访了喷气推进实验室人工智能小组的技术组主管兼实验室任务规划和执行部门的高级研究科学家钱恩。钱恩与《大众科学》谈到了太空旅行对人工智能系统的要求、随着人类探索越来越远的区域对自主性的日益增长的需求，以及“终极”人工智能太空任务会是什么样子。
[以下是对话的编辑稿]
控制 EO-1 卫星的 ASE 软件对美国宇航局来说是如何成为人工智能里程碑的？
这绝对是人工智能的一个里程碑，不仅对喷气推进实验室和美国宇航局来说是这样，对整个人工智能界也是如此。这是因为 ASE 的巨大成功及其持久性。该软件非常出色——它控制航天器超过 12 年。在此期间，它发出了大约 300 万条指令，获取了超过 60,000 次观测，并且实际上实现了比人类操作航天器更高的可靠性。该软件如此成功，以至于实际上使太空民主化。我们确实有一个网页，世界各地的机构都可以在该网页上提交请求，以直接指定航天器的任务。
美国宇航局愿意将多少任务责任交给人工智能？
我们在美国宇航局使用人工智能面临的挑战之一是，由于我们处理的是太空任务，因此涉及大量费用，并且需要考虑较长的提前期。我们必须确保人工智能始终表现良好——您收集到良好的科学数据，并且您保护了航天器。这并不意味着您可以准确预测它将要做什么。您想要摆脱那种微观管理的程度。您希望人工智能更像科学家的学徒或助手一样工作，而不是像机器一样，因为机器必须进行微观管理。有人担心取代杰出的科学家，[但] 这还很遥远，我们无需担心。
您如何准备人工智能来理解未知事物？
无监督学习对于分析未知事物至关重要。人类能够做到的很大一部分是解释不熟悉的数据。在美国宇航局，有很多类似的问题。您看到一些数据，并且 [这些数据] 的某些部分就是不匹配。想想刘易斯和克拉克探险队探索西北领地。他们没有每隔 10 英尺就绘制一张地图，这正是我们目前对大多数探测器所做的事情。刘易斯和克拉克探险队描述了山脉、河流和其他特征——将它们置于背景中。我们希望人工智能系统也能做同样的事情。
为了开发这样的系统，我们让一位学生在一次跨国飞行中使用数码相机拍摄图像。然后我们将不同的无监督学习方法应用于我们捕获的数据。我们希望人工智能 [自行] 学习存在山脉、森林和河流，并学习存在云、白天、夜晚等等。但我们也希望人工智能做好准备，当它感觉到某些不属于任何一个类别的事物时感到惊讶。人工智能再现了飞行覆盖的不同类型区域的示例。通过这种方式，它提出了 10 或 12 个有意义的图像类别，并提供了这些类别的示例。这些类别与 [研究人员] 提出的类别相似——河流、森林、平原、山脉等等。发送这些类别的示例以及哪个区域对应于每个类别的地图是描述行星的更有效方式。
人工智能将在即将到来的“火星 2020”探测器任务中发挥什么作用？
该任务的人工智能主要有三个领域。第一个是探测器的自主驾驶，这项技术可以追溯到“探路者”号，以及火星探测漫游者 (MER) 计划。自主驾驶就像一个刻度盘，您可以 [密切控制] 它并告诉探测器去哪里，或者您只需告诉它们驾驶即可。在速度和安全性方面，每种方法都有不同的权衡。
人工智能的第二个领域包括将帮助探测器进行科学研究的系统。目标定位能力将得到大大提高，并将应用于更多仪器——不仅仅是探测器的 SuperCam——这将提供成像、化学成分分析和矿物学分析。 SuperCam 是早期火星探测器上 ChemCam 的升级版，ChemCam 可以通过用激光照射岩石并研究产生的气体来了解岩石的化学成分。之前的探测器——火星探测漫游者项目、火星科学实验室 和现在的 M2020——已经越来越能够根据科学标准（例如目标形状、纹理或纹脉的存在）选择目标并拍摄后续图像。这种称为“用于收集更多科学数据的自主探索”(AEGIS) 系统的能力使探测器能够在更少的时间内进行更多科学研究。
第三，火星 2020 探测器还将拥有更复杂的调度系统，使其能够更具动态性。如果工作进度超前或落后于计划，探测器将自动调整其行程，这可以提高探测器的生产力。
人工智能将如何帮助探测器探索火星洞穴？
虽然我们已经探索了火星表面，但科学家们希望调查火星上的熔岩管洞穴。由于进入洞穴进行通信更加困难——需要洞穴中的中继 [点]——而且此类任务可能只会持续几天，因为探测器将完全依赖电池供电，因此洞穴探索将需要大量人工智能。人工智能将帮助协调、绘制地图并在非常有限的时间内尽可能高效地探索尽可能多的洞穴。我们一直在研究的一种方法是称为动态区域分配，它可能会以这种方式开始：您有四个探测器，您想进入火星上的一个洞穴 100 英尺。第一个探测器绘制 0 到 25 英尺的地图，第二个探测器绘制 25 到 50 英尺的地图，依此类推。他们将逐步绘制洞穴地图。这是一种典型的分而治之的方法。
他们还互相使用以中继洞穴外的数据。将探测器发送到洞穴更深处意味着它们将无法与我们持续通信。因此，他们开始进行我们称之为“运动鞋网络”的操作——第一个探测器进入洞穴直到超出通信范围，进行观察，然后返回以重新进入范围发送数据。第二个探测器进入洞穴更深处，但只需返回到足以与第一个探测器保持在范围内的距离，第一个探测器将发送数据。每个探测器都逐渐深入洞穴，以便覆盖 100 英尺。将四个探测器想象成一个大型手风琴，它不断增长和返回。探测器不会离开洞穴，但它们收集的数据会离开洞穴。这将是一项为期三到四天的任务，因为电池只能持续这么长时间。
人工智能在太空探索中的终极考验是什么？
人工智能在太空中的终极考验是持续时间更长的任务。例如，木卫二潜水器必须在没有帮助的情况下生存数年，可能每 30 天才与地球联系一次。在您将潜水器降落在行星表面后，您需要融化冰盖，这需要一年的时间。然后您想从赤道到两极来回移动，寻找热液喷口。就像洞穴中的探测器一样，它必须外出再返回才能进行通信。这可能需要一年，也可能需要两年。在这种情况下，它可能会独自行动六个月甚至一年。为了模拟这种情况，我们一直在地球上设计一种人工智能控制的潜水器，以研究冰下的热液喷口。科学家们希望进入南极冰架下研究气候变化的影响——这些任务需要类似的技术。
即使这与星际任务相比也算不了什么，在星际任务中，航天器将完全自主运行，因为往返比邻星（最近的恒星）的通信需要九年时间。如果您前往 Trappist-1 系统，该系统更有可能拥有更多宜居行星，那么距离约为 40 光年。那是在航天器在到达比邻星所需的 60 年或更长时间后幸存下来的情况下。由于通信延迟，航天器几乎是完全自主的——因此，当您发射这样的任务时，您将需要一个令人惊叹的人工智能，然后只能祈祷好运了。