利用大数据、人工智能对太空进行探索

空间巨大。有些人甚至认为这可能是无限的。由于空间太大，研究它会产生大量的数据。大数据和人工智能将聚集在一起，帮助解答宇宙学和太空探索领域一些未解决的问题。

人工智能在太空探索中的作用正变得越来越重要。最近，一群物理学家，数学家，数据科学家和工程师组成了第一张超大质量黑洞图片，机器学习在该项目中发挥了重要作用。

超大质量黑洞

超大质量黑洞似乎居住在银河系中心，距离约25,000光年远。黑洞吸入光线，使其看不见。他们只能通过寻找他们巨大的引力来观察。这种拉力在黑洞周围产生一个环状结构。随着光线接近黑洞的事件视界，它超出了它无法逃脱的地步，它弯曲并延伸。但是环是非常小的，并且由于衍射，对于可以观察到的最小物体存在基本的限制。这意味着为了看到越来越小的宇宙物体，望远镜需要变得越来越大。要观察星系中心超大质量黑洞周围的事件视界，需要建立地球的大小。当然，这是不可能的。

但是，有一种方法可以克服这个限制。另一种解决方案是通过名为Event Horizon Telescope（EHT）的国际合作将世界各地的望远镜连接起来。EHT可以将望远镜连接在一起，从而创建出与地球一样大小的虚拟望远镜阵列。这是能够看到在黑洞事件视界的规模结构。

来自麻省理工学院计算机科学与人工智能实验室（CSAIL）的Katie Bouman博士是Massachusettes团队的成员之一。她在这项工作中的作用是关键。全球网络中的每个望远镜都可以一起工作，并通过原子钟的精确定时进行链接。每个视角的研究人员都会收集数千TB的数据。这些数据然后在马萨诸塞州的实验室进行处理。

那么机器学习如何帮助这个项目？个别的望远镜只接收环绕事件视界环的一部分光线。这张照片错过了图像的很多部分。通过使用深度学习算法，构建图像的缺失部分。

AI探索火星

火星上的流星正在调查这颗红色星球是否曾经拥有过生命，并且能否支持人类的殖民地。它们不能由操作人员控制，因为信号需要三到二十分钟才能到达火星。所以如果流浪者准备开车离开悬崖，发信号就太迟了。流浪者必须能够自主操作，这需要某种类型的智能。

许多公司，如Spire，SpaceKnow，Planet Labs，DigitalGlobe和SpaceX通过销售来自卫星观测和图像的数据赚取数百万美元。地球观测数据有许多潜在的应用。监测天气，农业目的，测量各种地层的重力差异，以及计算特定地区不同元素的浓度等等。如果所有这些潜在的应用都将变为现实，学习算法必须处理大量的数据。

空间工业的未来

公司愿意为这类信息付出很多。这些数据将在碳氢化合物，农业，采矿，人道主义，航运，安全和国家安全等众多领域发挥作用。但是，原始数据非常复杂，而且通常令人难以置信，必须以一种方式进行包装和呈现，以便客户能够理解和使用它。空间探索和开发前景广阔，人工智能是其核心部分。