人工知能は急速に進歩しており、もはや地球上の問題の解決支援にとどまらなくなっています。
AIは、ミッションの設計からデータの大量処理まで、宇宙探査の支援にも役立っています。
Cimonと呼ばれるAIアシスタントは、宇宙飛行士から依頼された作業を行うことで、彼らのストレスを軽減するために活用される予定です。
人工知能は近年注目を集めており、従来のコンピューティングでは不可能だった速さで問題を解決できるようになっています。最近では、例えばGoogleの人工知能子会社であるDeepMindが、AlphaFold2を開発しました。これは、タンパク質のフォールディング問題を解決したプログラムです。この問題は、50年にわたり科学者たちを悩ませてきました。
AIの進歩により、あらゆる分野で前進が可能になりましたが、その適用範囲は地球上に限られません。ミッションの設計から地球周回軌道上のごみの除去まで、人工知能がより遠くの宇宙へ進出するのを助ける方法をいくつかご紹介します。
宇宙飛行士のアシスタント
映画『インターステラー』に登場したアシスタントロボット、TARSとCASEを覚えているでしょうか。こうしたロボットはまだ実際の宇宙ミッションには存在しませんが、研究者たちは宇宙飛行士を支援する知的アシスタントを開発することで、それに近いものを目指しています。こうしたAIベースのアシスタントは、映画に登場するものほど洗練されて見えないかもしれませんが、宇宙探査に非常に役立つ可能性があります。
最近開発された仮想アシスタントは、宇宙船の大気の変化（例えば二酸化炭素の増加）や、有害となりうるセンサーの不具合など、長期の宇宙ミッションにおける危険を検知できる可能性があります。その後、乗組員に点検のための提案を伝えて注意喚起することができます。
Cimonと呼ばれるAIアシスタントは、2019年12月に国際宇宙ステーション（ISS）に送られ、3年間の試験が行われています。最終的には、Cimonは宇宙飛行士から依頼された作業を行うことで、彼らのストレスを軽減するために活用される予定です。NASAもまた、ISSに搭乗する宇宙飛行士のためのパートナーを開発しており、Robonautと呼ばれています。これは宇宙飛行士と共に作業するか、宇宙飛行士にとって危険すぎる作業を引き受けるものです。
ミッションの設計と計画
火星へのミッションの計画は容易ではありませんが、人工知能はそれをより簡単にすることができます。新しい宇宙ミッションは、従来、過去の研究によって得られた知見に依存してきました。しかし、こうした情報は限られていたり、十分に入手できなかったりすることが多くあります。
つまり、技術情報の流れは、他のミッション設計エンジニアとの間で、誰がその情報にアクセスして共有できるかによって制約を受けています。しかし、事実上ほぼすべての過去の宇宙ミッションの情報が、権限を持つ人であれば誰でもわずか数クリックで利用できるとしたらどうでしょうか。いつの日か、Wikipediaに似ていながらも、複雑な問いに対して信頼でき関連性の高い情報で答えられる人工知能を備えた、より賢いシステムが登場するかもしれません。そうしたシステムは、新しい宇宙ミッションの初期設計と計画を支援するでしょう。
研究者たちは、設計エンジニアリング・アシスタントという構想に取り組んでいます。これは、通常であれば多くの人的作業時間を要する初期のミッション設計にかかる時間を短縮するためのものです。「Daphne（ダフネ）」も別の例であり、地球観測衛星システムを設計するための知的アシスタントです。Daphneは衛星設計チームのシステムエンジニアによって使用されています。フィードバックを含む関連情報や、特定の問い合わせへの回答へのアクセスを提供することで、彼らの業務を容易にしています。
衛星データの処理
地球観測衛星は膨大な量のデータを生成します。このデータは、長期間にわたって地上局が断続的に受信するため、分析の前に組み合わせる必要があります。小規模ではありますが、基本的な衛星画像分析を行うクラウドソーシングのプロジェクトもいくつか存在してきましたが、詳細な衛星データ分析については、人工知能が救世主となりえます。
受信データの膨大な量に対して、AIはそれをスマートに処理する点で非常に効果的であることが示されています。都市部の熱蓄積の推定や、気象データと衛星画像の組み合わせによる風速の推定に使用されてきました。また、AIは静止衛星データを用いた太陽放射の推定にも役立っており、その他多くの用途でも活用されています。
データ処理のためのAIは、衛星そのものにも活用できます。最近の研究では、科学者たちが遠隔の衛星健全性監視システムのために、さまざまなAI技術を試験しました。このシステムは、衛星から受信したデータを分析して問題を検知し、衛星の健全性を予測し、適切な意思決定に役立てるための可視化を提示することができます。
宇宙ごみ
21世紀における最大の宇宙の課題の1つは、宇宙ごみにどう対処するかです。ESAによると、既存の宇宙インフラに深刻な脅威をもたらす10cmより大きい物体は約34,000個あります。この脅威に対処するためのいくつかの革新的なアプローチがあります。例えば、低軌道領域に配備された場合に地球の大気圏へ再突入するよう衛星を設計し、制御された方法で完全に分解させる方法などです。
別のアプローチは、宇宙での衝突の可能性をあらかじめ回避し、デブリの発生を防ぐことです。最近の研究では、研究者たちが機械学習（ML）技術を用いて、衝突回避マヌーバを設計する方法を開発しました。
もう1つの新しいアプローチは、地球上で利用可能な膨大な計算能力を用いてMLモデルを訓練し、そのモデルを既に軌道上にある、あるいは向かっている宇宙船に送信し、搭載して様々な判断を行わせるというものです。宇宙飛行の安全性を確保する一つの方法として、最近提案されました。これは、宇宙船上で既に訓練済みのネットワークを使用するものです。これにより、衛星設計の柔軟性が高まる一方、軌道上での衝突の危険を最小限に抑えることができます。
ナビゲーションシステム
地球上では、GPSやその他のナビゲーションシステムを利用するGoogle マップのようなツールに慣れています。しかし、現時点では、他の天体にはそのようなシステムは存在しません。
月や火星の周りにはナビゲーション衛星がありませんが、月探査機（LRO）のような観測衛星から得られた数百万枚の画像を活用することはできます。2018年には、NASAの研究者チームがIntelと共同で、知的ナビゲーションシステムを開発し、惑星を探査するためにAIを活用しました。このチームは、様々なミッションから得られた数百万枚の写真でモデルを訓練し、仮想の月面地図を作成しました。
私たちが宇宙の探査を続けるにつれ、人間の内なる好奇心を満たし、地球上の人類の生活を向上させるために、野心的なミッションを計画し続けるでしょう。こうした取り組みにおいて、人工知能は地球上でも宇宙でも、この探査を可能にするために私たちを支援し続けます。
