Hãy thành thật mà nói – robot khám phá không gian dễ dàng hơn nhiều so với con người chúng ta. Rô-bốt không cần không khí trong lành và nước, hoặc mang theo một đống thức ăn để duy trì sự sống. Tuy nhiên, chúng yêu cầu con người điều khiển chúng và đưa ra quyết định. Những tiến bộ trong công nghệ học máy có thể thay đổi điều đó, khiến máy tính trở thành cộng tác viên tích cực hơn trong khoa học hành tinh.
Tuần trước tại Cuộc họp mùa thu của Liên minh Địa vật lý Hoa Kỳ (AGU) năm 2022, các nhà khoa học hành tinh và nhà thiên văn học đã thảo luận về cách các kỹ thuật máy học mới đang thay đổi cách chúng ta tìm hiểu về hệ mặt trời của mình , từ việc lập kế hoạch cho sứ mệnh hạ cánh trong tương lai trên mặt trăng băng giá Europa của sao Mộc đến xác định núi lửa trên sao Thủy tí hon .
Học máy là một cách đào tạo máy tính để xác định các mẫu trong dữ liệu, sau đó khai thác các mẫu đó để đưa ra quyết định, dự đoán hoặc phân loại. Một ưu điểm lớn khác của máy tính — bên cạnh việc không cần thiết bị hỗ trợ sự sống — là tốc độ của chúng. Đối với nhiều nhiệm vụ trong thiên văn học, con người có thể mất hàng tháng, hàng năm hoặc thậm chí hàng thập kỷ nỗ lực để sàng lọc tất cả các dữ liệu cần thiết.
Một ví dụ là xác định những tảng đá trong hình ảnh của các hành tinh khác. Đối với một vài tảng đá, thật dễ dàng như nói “Này, có một tảng đá!” nhưng hãy tưởng tượng làm điều đó hàng ngàn lần. Nhiệm vụ sẽ trở nên khá nhàm chán và ngốn rất nhiều thời gian làm việc quý giá của các nhà khoa học.
“Bạn có thể tìm thấy tới 10.000, hàng trăm nghìn tảng đá và việc này rất tốn thời gian,” Nils Prieur, một nhà khoa học hành tinh tại Đại học Stanford ở California cho biết trong buổi nói chuyện tại AGU. Thuật toán học máy mới của Prieur có thể phát hiện các tảng đá trên toàn bộ mặt trăng chỉ trong 30 phút. Điều quan trọng là phải biết những khối đá lớn này ở đâu để đảm bảo các nhiệm vụ mới có thể hạ cánh an toàn tại điểm đến của họ. Các tảng đá cũng hữu ích cho địa chất, cung cấp manh mối về cách các tác động phá vỡ các tảng đá xung quanh chúng để tạo ra miệng núi lửa.
Máy tính cũng có thể xác định một số hiện tượng hành tinh khác: núi lửa bùng nổ trên Sao Thủy, các xoáy trong bầu khí quyển dày đặc của Sao Mộc và miệng núi lửa trên Mặt Trăng, v.v.
Trong hội nghị, nhà khoa học hành tinh Ethan Duncan, từ Trung tâm Chuyến bay Không gian Goddard của NASA ở Maryland, đã chứng minh cách học máy có thể xác định không phải khối đá, mà là khối băng trên mặt trăng băng giá Europa của Sao Mộc. Cái gọi là địa hình hỗn loạn là một vùng trông lộn xộn trên bề mặt Europa, với những khối băng sáng nằm rải rác trên nền tối hơn. Với đại dương ngầm của mình, Europa là mục tiêu hàng đầu của các nhà thiên văn học quan tâm đến sự sống ngoài hành tinh và việc lập bản đồ các khối băng này sẽ là chìa khóa để lập kế hoạch cho các sứ mệnh trong tương lai.
Các nhiệm vụ sắp tới cũng có thể kết hợp trí thông minh nhân tạo như một phần của nhóm, sử dụng công nghệ này để trao quyền cho các tàu thăm dò đưa ra các phản ứng theo thời gian thực đối với các mối nguy hiểm và thậm chí hạ cánh tự động. Hạ cánh là một thách thức khét tiếng đối với tàu vũ trụ và luôn là một trong những thời điểm nguy hiểm nhất của một nhiệm vụ.
“’Bảy phút kinh hoàng’ trên sao Hỏa [trong quá trình đi xuống và hạ cánh], đó là điều chúng tôi nói đến rất nhiều,” Bethany Theiling, một nhà khoa học hành tinh tại NASA Goddard, cho biết trong buổi nói chuyện của mình. “Điều đó trở nên phức tạp hơn nhiều khi bạn tiến sâu hơn vào hệ mặt trời. Chúng ta có nhiều giờ liên lạc bị chậm trễ.”
Một thông điệp từ tàu thăm dò hạ cánh trên mặt trăng chứa đầy khí mê-tan Titan của Sao Thổ sẽ mất chưa đến một tiếng rưỡi để quay trở lại Trái đất . Vào thời điểm phản hồi của con người đến đích, vòng lặp liên lạc sẽ kéo dài gần ba giờ. Trong một tình huống như hạ cánh cần có phản ứng thời gian thực, kiểu quay lại với Trái đất này sẽ không hiệu quả. Theo Theiling, máy học và AI có thể giúp giải quyết vấn đề này, cung cấp cho tàu thăm dò khả năng đưa ra quyết định dựa trên những quan sát của nó về môi trường xung quanh.
“Các nhà khoa học và kỹ sư, chúng tôi không cố loại bỏ các bạn,” Theiling nói. “Những gì chúng tôi đang cố gắng làm là nói rằng, thời gian bạn dành cho dữ liệu đó sẽ là khoảng thời gian hữu ích nhất mà chúng tôi có thể quản lý.” Máy học sẽ không thay thế con người, nhưng hy vọng rằng nó có thể là một bổ sung mạnh mẽ cho bộ công cụ khám phá khoa học của chúng ta.
Theo : Vntrada.com
