外太空定位导航？有了NASA的这个AI系统 在其它星球也不会“迷路”

外太空没有GPS。所以，如果宇航员们把自己丢在了哪颗星球上事情就很糟糕了。美国宇航局（NASA）下的边境开发实验室（FDL）和英特尔开发了一个AI系统，来解决太空旅行和外星移民中可能会遇见的这一核心问题。

（图源：Futurism）

FDL与英特尔已经结束了为期8周的夏季计划，他们组成了9个探索小组，利用AI来寻找系外行星，发送探测器以观察近距离的太阳，以及为现在和将来的太空旅行提供解决方案。透过人工智能（AI）技术的协助，航天员未来在全新星球上将能更轻易前往要去的地方。

第一部分是关于月球“本地化”的问题。弄清楚你在地球上的位置相对容易——可以使用老式的地图、应用程序、GPS、地标标识物，往一个方向走。但到了月球上情况就大不一样了。

人工智能如何实现月球等“外星”上的定位导航呢？研究人员Andrew Chung，Philippe Ludivig，Ross Potter和Benjamin Wu开发了一个模拟月球表面的系统，并将模拟环境与月球真实环境作比较。

他们通过创建240万张其表面的图像，然后获取数据，使用神经网络创建“虚拟月球”来“训练”人工智能。

在这一基础上，站在月球表面的人可以通过拍摄周围环境的图像来进行“本地化”定位，并让AI将真实图像与模拟图像进行比较。

这种基于人工智能的解决方案适用于我们能够拍摄的任何表面——包括火星。它可能不具有开放空间定位的相同功效，但是在空间中飞行的这一因素形成了与在外星球表面不同的挑战。

而另一个由英特尔赞助的团队，则负责在另一个星球上建造基地。NASA正致力于月球、火星殖民地的“自治基地”建设、采矿和资源管理，他们认为一旦没了机器学习，就没法完成这些过程。

由研究人员Drew Bischel、Zahi Kakish、Francisco Lera和Ana Mosquera组成的团队开始着手解决无人驾驶车辆和自动机器人在恶劣环境中进行操作的问题——例如月球的黑暗、冰冷的一面。

现在，他们已经创建了一个解决问题的框架——这类似于一个叫做“最短路径”（The Traveling Salesman Problem）的旧数学难题。

在“最短路径”的难题中，科学家的人物是辨别推销员在城市之间穿越的最短路线 ——不能两次踏入同一地点，最后要保证能返回原点。如果你从纽约到了芝加哥，然后是旧金山再回到纽约，那么这似乎很简单。

但是当你将它应用到像月球这样的环境中是，你必须考虑资源、黑点的位置，它可能会产生温度波动导致仪器和机械故障，以及无数其他环境特定的任务。对于简单的计算而言，要控制成千上万的独立机器去做出数以百万计的决定，任务实在太庞杂了。它必须要依靠先进的深度学习解决方案进行支持和改进。

英特尔为这两个团队提供了访问Intel DevCloud的权限，该版本运行在Intel Xeon Gold处理器上，并包含针对Python和Tensorflow的MKL优化。英特尔还为“本地化”团队提供了专用的Xeon服务器。

最终，这两个项目都可以扩展到其他星球和卫星上。该研究目前处于早期发展阶段，但目标很明确：人工智能是太空旅行和外星殖民的未来。如果计划最终真的实现了，未来前往火星的航天员将能购在导航的协助下更简单的前往目的地。