Comment l’intelligence artificielle nous aide à explorer le système solaire
Soyons honnêtes, il est beaucoup plus facile pour les robots d’explorer l’espace que pour nous, les humains. Les robots n’ont pas besoin d’air frais et d’eau, ni de transporter un tas de nourriture pour rester en vie. Cependant, ils nécessitent des humains pour les diriger et prendre des décisions. Les progrès de la technologie d’apprentissage automatique pourraient changer cela, faisant des ordinateurs un collaborateur plus actif en sciences planétaires.
La semaine dernière, lors de la réunion d’automne 2022 de l’American Geophysical Union (AGU), des scientifiques planétaires et des astronomes ont discuté de la façon dont les nouvelles techniques d’apprentissage automatique changent la façon dont nous apprenons sur notre système solairede la planification des futurs atterrissages de mission sur la lune glacée de Jupiter Europe pour identifier les volcans sur de minuscules Mercure.
L’apprentissage automatique est un moyen de former des ordinateurs à identifier des modèles dans les données, puis à exploiter ces modèles pour prendre des décisions, des prédictions ou des classifications. Un autre avantage majeur des ordinateurs – en plus de ne pas nécessiter de survie – est leur vitesse. Pour de nombreuses tâches en astronomie, il peut falloir des mois, des années, voire des décennies d’efforts à l’homme pour passer au crible toutes les données nécessaires.
Lié: Notre système solaire : Un tour en photo des planètes
Un exemple est l’identification de rochers sur des images d’autres planètes. Pour quelques rochers, c’est aussi simple que de dire « Hé, il y a un rocher ! » mais imaginez faire cela des milliers de fois. La tâche deviendrait assez ennuyeuse et accaparerait une grande partie du précieux temps de travail des scientifiques.
« Vous pouvez trouver jusqu’à 10 000, des centaines de milliers de rochers, et cela prend beaucoup de temps », a déclaré Nils Prieur, un scientifique planétaire à l’Université de Stanford en Californie lors de son discours à l’AGU. Le nouvel algorithme d’apprentissage automatique de Prieur peut détecter des rochers sur l’ensemble lune en seulement 30 minutes. Il est important de savoir où se trouvent ces gros morceaux de roche pour s’assurer que les nouvelles missions peuvent atterrir en toute sécurité à leur destination. Les rochers sont également utiles pour la géologie, fournissant des indices sur la façon dont les impacts brisent les roches qui les entourent pour créer des cratères.
Les ordinateurs peuvent également identifier un certain nombre d’autres phénomènes planétaires : des volcans explosifs sur Mercure, des vortex dans Jupiterl’atmosphère épaisse et les cratères de la lune, pour n’en nommer que quelques-uns.
Au cours de la conférence, le scientifique planétaire Ethan Duncan, du Goddard Space Flight Center de la NASA dans le Maryland, a démontré comment l’apprentissage automatique peut identifier non pas des morceaux de roche, mais des morceaux de glace sur Europe, la lune glacée de Jupiter. Le soi-disant terrain du chaos est une bande désordonnée de la surface d’Europe, avec des morceaux de glace brillants éparpillés sur un fond plus sombre. Avec son océan souterrain, Europa est une cible de choix pour les astronomes intéressés par la vie extraterrestre, et la cartographie de ces morceaux de glace sera essentielle à la planification de futures missions.
Les missions à venir pourraient également intégrer l’intelligence artificielle dans l’équipe, en utilisant cette technologie pour permettre aux sondes de réagir en temps réel aux dangers et même d’atterrir de manière autonome. L’atterrissage est un défi notoire pour les engins spatiaux, et toujours l’un des moments les plus dangereux d’une mission.
« Les ‘sept minutes de terreur’ sur Mars [during descent and landing], c’est quelque chose dont nous parlons beaucoup », a déclaré Bethany Theiling, planétologue à la NASA Goddard, lors de son discours. « Cela devient beaucoup plus compliqué à mesure que vous avancez dans le système solaire. Nous avons de nombreuses heures de retard dans la communication. »
Un message d’une sonde atterrissant sur la lune remplie de méthane de Saturne Titan mettrait un peu moins d’une heure et demie pour revenir à Terre. Au moment où la réponse des humains arriverait à destination, la boucle de communication durerait près de trois heures. Dans une situation comme l’atterrissage où des réponses en temps réel sont nécessaires, ce genre de va-et-vient avec la Terre ne suffit pas. L’apprentissage automatique et l’IA pourraient aider à résoudre ce problème, selon Theiling, en fournissant à une sonde la capacité de prendre des décisions en fonction de ses observations de son environnement.
« Scientifiques et ingénieurs, nous n’essayons pas de nous débarrasser de vous », a déclaré Theiling. « Ce que nous essayons de faire, c’est de dire que le temps que vous passerez avec ces données sera le temps le plus utile que nous puissions gérer. » L’apprentissage automatique ne remplacera pas les humains, mais nous espérons qu’il peut être un ajout puissant à notre boîte à outils pour la découverte scientifique.
Suivez l’auteur sur @briles_34 sur Twitter et suivez-nous sur Twitter @Espacedotcom et sur Facebook.