宇航员、科学家和其他以探索并记录终极边界为己任的人们，才积极转向机器学习（ML）以协助应对自己面临的非凡挑战。从引导火箭穿越太空到研究遥远行星的表面，再到测量宇宙大小和计算天体的运动轨迹，AI在太空中拥有着众多有趣且令人兴奋的应用场景。
太空旅行、探索和观测当中，往往涉及人类历史上最复杂、最危险的一系列科学与技术操作。在这些领域，人工智能（AI）已经证明了自己强大的辅助作用。
正因为如此，宇航员、科学家和其他以探索并记录终极边界为己任的人们，才积极转向机器学习（ML）以协助应对自己面临的非凡挑战。
从引导火箭穿越太空到研究遥远行星的表面，再到测量宇宙大小和计算天体的运动轨迹，AI在太空中拥有着众多有趣且令人兴奋的应用场景。

太空航程

在航天器的起飞与着陆过程中，AI能够实现发动机操作自动化并管理起落架等功能的实际部署，借此优化燃料的分配与使用。

SpaceX公司就利用AI领航系统使其猎鹰9号飞船实现了自主操作，并按照与NASA签订的货物运送合同与国际空间站（ISS）成功对接。该系统能够计算火箭在太空中的轨迹，同时考虑燃料使用、大气干扰和发动机内部的液体“晃动”。

CIMON 2是空中客车公司设计的机器人，相当于宇航员身边的移动式亚马逊Alexa虚拟助手。它使用IBM Watson AI系统构建，使用内部风扇推动自身前进，能够充当免提式信息数据库、计算机和相机。它甚至可以通过分析声音中的压力水平，来评估宇航员们的情绪和心态。

NASA旗下喷气推进实验室的任务规划人员，则利用AI对各种任务参数进行建模和评估，借此了解不同选项和行动方案的潜在结果。这些实验能够为未来的航天器设计与工程操作提供指导信息。收集到的数据还可用于一些假设性未来任务的前瞻性规划，包括登陆金星和木卫二——这是一颗围绕木星运行的冰冷卫星。

SpaceX还利用AI算法来确保其星链卫星不致与太空中的其他轨道或过渡飞行器发生碰撞。他们的自主导航系统能够实时检测附近的危险，并调整卫星的速度和轨道来采取规避行动。

英国航天局同样开发了自主系统，允许其航天器和卫星通过自主行动回避太空碎片。到2025年，英国航天局计划在此基础上发射一艘自主航天器，任务是捕捉并清理太空碎片。如果不主动加以控制，太空碎片很可能对未来的航天飞行构成威胁。

行星探索

火星漫游者是专司探索火星表面的机器人，我们可以对它们发送回地球的数据进行分析和学习。利益于机器学习算法，这些机器人能够在火星地表上自主导航，避开可能导致其硬件损坏或动弹不得的深坑与陡壁。此前发往火星的勇气号就因车轮陷入软土而困在当场，NASA最终于2011年决定放弃救援和联络。而在机器学习技术的帮助下，NASA已经成功避免了另一辆漫游车的意外损失。

最近几年，NASA旗下喷气推进实验室利用图像识别工具来研究火星漫游者等地面机器人拍摄的图片，并对地形特征进行分类。他们甚至发现了火星表面一个直径仅四米的陨石坑。

毅力号漫游者配备一套名为AEGIS的计算机视觉系统，能够检测并分类火星表面发现的不同岩石类型，让我们更多了解这颗红色行星的地质成分。

大家甚至可以在家中参与训练火星漫游者使用的AI算法。AI4Mars项目就诚邀用户下载相关工具，通过在个人计算机上标记地形特征来改进好奇号火星车上的自主导航系统。

虽然到目前为止，大多数地表探索都依靠轮式机器人完成，但欧洲航天局正在试验使用“跳跃式”机器人。这些机器人可以用腿前进并完成跳跃动作。AI算法会协调机器人四肢的运动和平衡，从而探索月球上以往无法抵达的位置，例如月球上由巨大陨坑形成的阿里斯塔克斯高原。

人们已经开始利用AI检测月球表面，确定未来载人任务的最佳着陆点。这也有助于宇航员充分了解后续将要着陆的环境，不必像阿姆斯特朗等第一代登月人那样直面巨大的风险。

描绘宇宙

天文学家正使用AI识别遥远星云中各星团的模式，同时结合深空中检测到的其他分类特征来绘制宇宙星图。

以NASA的开普勒望远镜为例，它能通过分析恒星发出光辐射的衰减来确定有行星在恒星和地球之间经过，进而确定行星的可能位置。

AI还被用于预测恒星和星系的活动，帮助我们了解超新星爆发等宇宙事件的潜在发生位置。

通过对这些神秘天体与中子星碰撞时产生的引力波进行时序分析，研究人员已经检测到数十个黑洞的存在。

AI技术还被用于俯瞰地球和整个宇宙。2004年开始运行的自主科学卫星技术实验（Autonomous Sciencecraft Experiment）项目就接入地球预测1号卫星，使其能够对用相机拍摄到的图像做自动分类，进而决定哪些图像更值得花费宝贵的带宽传输回地球。

加州大学伯克利分校的SETI@Home项目则使用AI算法处理射电望远镜生成的大量数据，希望在太空中搜索外星智能的迹象。尽管该项目已经停止向志愿者发送新的待检查数据，但仍有大量数据未经分析检索，所以激动人心的真相也许就蕴藏在这部分素材当中！

AI也被用于创建迄今为止最准确的黑洞图像。Roger Penrose、Reinhard Genzel和Andrea Ghez凭借为M87星系中心超大质量黑洞创建逼真图像，获得了2020年的诺贝尔奖。

AI的应用范围还远不止于此，研究人员现在希望超越事件视界，使用AI技术揭示黑洞内部的情况。这项工作还将涉及量子计算，有望帮助物理学家们解决领域中最核心的问题之一——将爱因斯坦的广义相对论与粒子物理学的标准模型统一起来。

人们甚至希望AI能够帮助测量宇宙，更好地把握它的大小和形状。使用AI超级计算机对日本的天文数据开展研究，我们已经成功创造出与已知存在的宇宙相匹配的模拟星图。这意味着我们可以预测宇宙的特征，并摆脱当前因光速限制（即可观测宇宙）而难以突破的探索边界。