人類一直在努力將自己的足跡留在世界的每個角落。而在過去幾十年中,人類已經(jīng)能夠?qū)⒑教炱?、探測器等發(fā)送至或近或遠(yuǎn)的其他行星,并將AI方案作為操縱這些遠(yuǎn)程系統(tǒng)中的一大重要組成部分??梢韵胍姡噍^于以往需要耗費(fèi)數(shù)小時甚至數(shù)天將信號與指令發(fā)送至其他行星上的設(shè)備,讓設(shè)備具有智能與自主執(zhí)行能力,無疑更能適應(yīng)惡劣的外太空、行星乃至遍布巖礫的物理環(huán)境。
在Amazon re: MARS 2019大會上,NASA噴氣推進(jìn)實(shí)驗(yàn)室IT首席技術(shù)與創(chuàng)新官Tom Soderstrom分享了他的見解,關(guān)于各類遠(yuǎn)程設(shè)備如何運(yùn)用AI,以及如何將AI技術(shù)應(yīng)用于太空探索。Soderstrom目前的主要職責(zé)在于規(guī)劃未來任務(wù),并根據(jù)技術(shù)發(fā)展制定相應(yīng)戰(zhàn)略。
▲ 圖:NASA噴氣推進(jìn)實(shí)驗(yàn)室IT首席技術(shù)與創(chuàng)新官Tom Soderstrom
Soderstrom表示,“我們已經(jīng)建立起創(chuàng)新體驗(yàn)中心,能夠在這里立足當(dāng)下、體驗(yàn)未來。這樣做的目的是更好地了解接下來可以使用哪些技術(shù),并對具體選項(xiàng)進(jìn)行篩選。其中最值得重視的,自然是能夠令噴氣推進(jìn)實(shí)驗(yàn)室、NASA以及各合作機(jī)構(gòu)共同受益的方案。”
在re: MARS大會上,Soderstrom發(fā)表了關(guān)于“MARS大眾化”的演講。這里的“MARS”除了指代火星,同時也是機(jī)器學(xué)習(xí)(machine learning)、自動化(automation)、機(jī)器人技術(shù)(robotics)以及太空(space)的首字母縮寫。“大眾化”,是指通過全面技術(shù)浪潮將成果推向民間。根據(jù)Soderstrom的介紹,這意味著“要讓算法與數(shù)據(jù)真正供未來的探索者們可用,且這一切不必等上幾年或者幾十年,而應(yīng)該發(fā)生在當(dāng)下。”
AI無疑是其中的重中之重,噴氣推進(jìn)實(shí)驗(yàn)室目前正將AI七大模式全面應(yīng)用于機(jī)器人、探測器以及飛行其他遙遠(yuǎn)星球的各類航天器。這些遠(yuǎn)程系統(tǒng),全面使用AI增強(qiáng)型計算機(jī)視覺技術(shù),借此對系統(tǒng)捕捉到的圖像進(jìn)行深入分析。他們還使用到自主系統(tǒng)與控制方案,通過機(jī)器學(xué)習(xí)幫助相關(guān)系統(tǒng)更好地適應(yīng)變化。機(jī)器學(xué)習(xí)驅(qū)動下的模式與異常狀態(tài)識別,能夠幫助這類受到嚴(yán)重空間及通信能力限制的系統(tǒng)顯著提升自身能力,更好地從往來于不同設(shè)備及系統(tǒng)間的數(shù)據(jù)中提取出洞察見解。另外,AI支持下的預(yù)測分析與預(yù)測性維護(hù),也將直接決定這些需要運(yùn)行數(shù)年甚至數(shù)十年、且期間人類完全無法插手的系統(tǒng)的實(shí)際性能。
Soderstrom指出,“目前,我們的衛(wèi)星已經(jīng)在近地與深空軌道不停運(yùn)轉(zhuǎn),但我們希望提前了解哪些衛(wèi)星部件可能出現(xiàn)故障。為此,我們使用機(jī)器學(xué)習(xí)并結(jié)合來自軌道的返回數(shù)據(jù),使用機(jī)器學(xué)習(xí)算法確定其中是否可能出現(xiàn)問題。”
通過結(jié)果可視化,每個人都能夠及時獲取最新狀態(tài)提醒。“相較于人工智能,我們更愿意稱其為情報輔助。這不僅能幫助人們發(fā)現(xiàn)異常跡象,甚至能夠指示尚未出現(xiàn)但即將發(fā)生的異常狀況。”
Soderstrom還分享了另一個關(guān)于預(yù)測性維護(hù)的例子。他解釋道,“以NASA與噴氣推進(jìn)實(shí)驗(yàn)室的實(shí)際項(xiàng)目為例,我們需要跟蹤遍布整個太陽系的航天器。由于地球在一刻不停地旋轉(zhuǎn),因此我們必須想辦法建立起能夠隨時隨地與航天器連接并通信的天線陣列。以旅行者號探測器為例,與其進(jìn)行通信的一次信號往返就需要近40個小時。要完成通信,至少需要由一根天線負(fù)責(zé)發(fā)送信號、另一根負(fù)責(zé)接收信號。”
與其他設(shè)備一樣,天線也需要維護(hù)。因此,目前他們正使用AI技術(shù)幫助預(yù)測天線是否以及何時需要維護(hù),哪些零件可能損壞并進(jìn)行維修或更換。根據(jù)Soderstrom的介紹,他們可以據(jù)此切換天線,采取脫機(jī)維修措施且保證期間不致失去通信連接。他還強(qiáng)調(diào)稱,“同樣的方法也適用于火車、汽車、飛機(jī)等民用交通工具,我們既可以借此積累經(jīng)驗(yàn),也可以從中改善機(jī)器學(xué)習(xí)性能。”
除了使用AI控制地球及太空中的各類系統(tǒng)之外,AI技術(shù)還能幫助這類系統(tǒng)快速分析捕捉到的數(shù)據(jù)與圖像,進(jìn)而提供更多寶貴洞見。Soderstrom指出,“以我們的地球家園為例,最近確實(shí)發(fā)生了不少大事。我們在噴氣推進(jìn)實(shí)驗(yàn)室乃至整個NASA的主要工作,就是從太空角度觀察地球,借此獲得截然不同的視角。目前無數(shù)衛(wèi)星圍繞地球旋轉(zhuǎn),大約需要90分鐘繞地一周。憑借AI技術(shù),我們能夠?qū)崿F(xiàn)多種功能——例如檢測森林大火。”
利益于AI技術(shù)與衛(wèi)星的結(jié)合,成像系統(tǒng)能夠檢測到煙云跡象、自動觸發(fā)相關(guān)位置的其他衛(wèi)星進(jìn)一步觀察以驗(yàn)證火情,并將定位信息以警報形式發(fā)送給當(dāng)?shù)叵啦块T。當(dāng)然,這還只是自主衛(wèi)星的工作方式之一。他還提到衛(wèi)星可以幫助我們研究水體凍結(jié)與冰蓋融化的變化模式,配合機(jī)器學(xué)習(xí)幫助人們獲得更為真實(shí)可靠的數(shù)據(jù)。
對于AI的發(fā)展未來,Soderstrom非常樂觀。“我認(rèn)為我們經(jīng)歷過不少AI寒冬了,AI盛夏也該到來了。我認(rèn)為未來會出現(xiàn)無數(shù)美好的成果。著眼于即將到來的六大技術(shù)浪潮,其中有一波絕對就是應(yīng)用型人工智能。與其他浪潮交織起來,應(yīng)用型人工智能將嵌入至我們生活中的方方面面,并徹底改變我們的生活方式。無論是智能手機(jī)、智能手表還是其他產(chǎn)品,AI總會伴隨我們左右。”
事實(shí)上,正是對太空探索的無盡追求,造就了我們?nèi)缃窳?xí)以為常的許多產(chǎn)品。凱夫拉材料、維可牢尼龍搭扣、嬰兒配方奶粉乃至安全玻璃,都是航天事業(yè)為我們留下的寶貴財富。隨著未來的不懈努力,人工智能也將在這項(xiàng)事業(yè)中扮演愈發(fā)重要的角色,為地球乃至太空中的人們奉獻(xiàn)自己的強(qiáng)大力量。
好文章,需要你的鼓勵
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運(yùn)動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運(yùn)動質(zhì)量,在多項(xiàng)測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。