人工智慧在太空探索中將發揮怎樣的作用？

11-28

本題已加入圓桌 ? 漫談機器智能，更多「人工智慧」相關的話題歡迎關注討論

When it comes to extraterrestrial life, we have no idea what we might find or how we will find it. The film "Arrival" also does a nice job of reminding us that an alien species" cognitive and communicative systems may differ from our own in radically different ways––possibly in ways that are difficult for us to imagine. Whatever mode of communication aliens use, if we are going to understand it, we need to be able to identify the patterns, just as linguists do when working on human languages. In space exploration, if we are looking for intelligent lifeforms, we are also looking for patterns. Regardless of whether we are still searching for extraterrestrial life, or trying to communicate with extraterrestrials once we"ve found them (or they"ve found us!), it seems that machine learning will have a very important role to play in speeding up this search for patterns.

Jessica Coon 為機器之心 | GMIS 2017 全球機器智能峰會嘉賓，知乎賬號由Jessica Coon 授權，機器之心代為註冊和運營，以上為Jessica Coon的英文版答案，以下為機器之心翻譯答案供大家參考。

當談到外星生命，我們不知道我們會不會，或者如何找到它。電影《降臨》提醒我們：「外星生物的感知和交流系統也許和我們截然不同——或許是我們難以想像的方式。」無論外星人的交流模式是什麼樣的，如果我們希望理解它，我們需要有能力識別模式，就像語言學家們在人類語言上所做的一樣。在太空探索中，如果我們正在尋找智能的生命形態，我們也就是在尋找新的模式。無論我們是否仍在尋找外星生命，一旦找到它們（或者它們找到我們！），機器學習看起來都會是加速搜索模式的一種重要方法。

廣義的「太空探索」應該也包括一些天文學的觀測和理論研究，事實上，現在的天文學很大程度上就是一門數據科學，在天文學觀測數據的分析上，早就已經有大量應用機器學習演算法的例子。例如用自動編碼器進行非線性降維，進而研究恆星的吸收譜：

NLPCA - nonlinear PCA - auto-associative neural networks - autoencoder bottleneck neural networks - Matthias Scholz

在近年來，一些神經網路的方法也被用到了天文學研究中。普及性的介紹可以參考：

（1）A look at deep learning for science ，中文翻譯版：科學領域中的深度學習一覽

（2）Manifold Learning and Deep Autoencoders in Science

裡面提到的一些代表性的工作包括：

（1）用生成模型研究星系的形狀，相關的研究可以幫助我們從較少的觀測數據中更準確地推斷星系的形態。http://people.eecs.berkeley.edu/~jregier/publications/regier2015deep.pdf

（2）用去噪卷積自動編碼器研究宇宙學質量圖（cosmology mass maps）中的模式，相關研究對於研究宇宙中的暗物質分布有重要的意義。shiwangi27/deep_learning_cosmology

謝邀。太空探索一直在用最先進的(偽)AI，然而還是不夠用，個人感覺一百年之內不夠用。

從阿波羅導航計算機到鳳凰號火星車，整整半個世紀，不過比大疆精靈到曉的差別略大一點。丟台機器人丟台3D印表機到火星就能造基地然後拎包入住多好，不知在人類各種開倒車倒到死之前來不來得及完成。

登陸火星，人工智慧相比人類，在承載登陸時的重力，以及長期太空旅行對食物空氣的需求，還有面臨在火星表面探索時遇到火星沙暴等方面更具有優勢。未來應該是人類和人工智慧的組合，例如腦機交互的模塊化智能機器人，利用3D列印設備列印零部件，可以完全由一台機器人維修另一台受損的機器人。
這在一到兩年的地球——火星的運輸周期下是非常必要的。

太空+人工智慧 = 在休眠船上負責維持飛行，或者在正常運行狀態中負責輔助船員。

這樣的東西在科幻片里屢見不鮮了。

2001太空漫遊里先發制人，幹掉幾個科學家和製造假故障的HAL9000

普羅米修斯里把生物武器悄悄餵給科學家的David

太陰暗了。。。

還是來點歡快的吧。

Star Trek里的Data。近乎全能，讓你可以Keep calm and ask Data。

Star Trek里的EMH，著名的醫生全息程序，啥病都能治。

後來還發展出各項技能，成為一個「物種」。

探測器可以更自動化，不用跟以前一樣屁大點事都得地球遙控來做。以前得瞅著有著巨大延遲的圖像一步一步往前挪，現在可以就給個指令，開到前面那塊石頭那，火星車通過圖像識別自動避障自己就開過去了。有啥故障，自己就可以做個初步判斷，緊急的故障自己就可以先處理，不用地球這邊的控制中心干著急。工作效率成倍提高。至於科幻上講爛的那種人工智慧，那個還是省省吧早著嘞。

當人類進行星際探險的時候，機器人的AI將代替人類操縱機器人完成躲避障礙，評估威脅，地表勘探，礦物採樣等等科研活動，距離人類最近的火星，光從地球出發到火星需要十分鐘，網路延遲太高怎麼玩。這時候AI的優勢就體現出來了，不用食物只依靠電力，在荒蕪的地表拍照，發送信號到地球。自動越過障礙，自定路線以最快的速度完成最多的目標，人類只需要在地球觀察數據，重新指定目標。
NASA計劃把人從地球送到火星，需要一年半時間，人一天就算吃壓縮乾糧，也需要大約800g，一個人就需要五百多公斤的食物，且不說水這種珍貴的物資。火箭每增加一公斤，立刻增加一百美刀的錢。機器人就沒這問題，不吃不喝只需要帶幾塊太陽能板，進入地表不需要人類操心，省下的經費又可以進行別的太空活動。

人工智慧能夠迫使我們離開地球

我覺得最有可能的是，作為一種新的物種，直接代替人類。
人工智慧沒有壽命限制，有更加強大的計算能力，沒有食物需求沒有社交需求不會孤獨，甚至不需要身體承載。唯一需要的只是能源，比較人類真是太適合星際探索了。