NASA加速應用機器學習探測太空，英特爾攜Nervana參與其中

封面圖來自NASA

星際探索中，一切成就變得格外偉大而浪漫。

天文學家搜尋外太空的每一點進展都讓全人類沸騰。而除了天文學知識和儀器的進展，鑒於天文研究涉及的數據量級異常巨大，數據處理的精進、機器學習、雲計算等在數據科學領域的新成就也會為這項事業帶來新的意義。

目前NASA已經啟動了若干個計劃，用來搜索在宇宙中的其他地方存在著生命的證據。這些計劃總稱為「SETI（the Search for Extra-Terrestrial Intelligence）」。SETI致力於用射電望遠鏡等先進設備接收從宇宙中傳來的電磁波，從中分析有規律的信息數據，希望藉此發現外星文明。如何處理如此巨大的數據流量？如何通過機器學習演算法排除其中的干擾數據，找出真正令人感興趣的「外太空信號「？這是SETI亟待解決的技術難題。

美國航空航天局（NASA）近日專門成立了一個旨在加快創新速度的項目，只是目前還鮮為人所知。該項目就是美國航天局前沿發展實驗室（FDL）。FDL由SETI研究所負責管理，是一個公私合夥混合性質的項目，通過與英特爾等商業夥伴合作，以解決空間探索方面遇到的難題。

FDL加速機器學習研究

FDL是一個應用研究加速機構，它使用最新的人工智慧技術來研究諸如空間天氣、空間資源和行星防禦等一些問題，機器學習非常適合用來研究這些問題。該項目吸引了從行星科學到3D建模領域最優秀智慧的專家，以及人工智慧和深度學習方面頂尖的博士後和研究人員。在為期9周的計劃中，由4-5名研究人員組成的團隊與來自工業界、學術界和美國航天局的導師一起工作，努力解決各個領域的關鍵難題。一個團隊專註於從雷達圖像中繪製小行星形狀，另一個則側重於預測太陽與地球大氣層的相互作用。雖然成立時間不算太長，但是這些團隊已經開始著手幫助美國航天局解決其所面臨的難題。

來自世界各地的領域專家因為FDL項目而齊聚加利福尼亞州的美國航天局艾姆斯研究中心 （攝影師：James Parr）

太空探索之旅，企業如何參與 ？

幾個月前，美國航天局FDL項目主管James Parr來與英特爾等公司接洽，促成英特爾成為2017FDL的贊助商。James鼓勵英特爾為人類創造外空間旅行文明的過程中貢獻出自己的力量，而企業所需要做的就是提供其現有工具。

在英特爾這樣的企業看來，人工智慧將成為下一波大規模計算浪潮，它不僅能改變企業的運作方式，還能改變我們與宇宙空間的互動方式。英特爾的Nervana深度學習技術提供了開放式框架和開放式研究，使人工智慧解決方案的交付能夠變得簡單，而尖端研究則繼續推動行業向前發展。由數據科學家、軟體開發人員和行星科學家組成的FDL月球水源和揮發物團隊（FDL Lunar Water and Volatiles）將採用英特爾的Nervana技術作為其項目的一部分。英特爾通過首席工程師和數據科學家來加快軟體解決方案的開發，並把人工智慧（切切實實地）帶上月球。

英特爾和美國航天局的研究人員將使用人工智慧技術，用於定位月球上的水源和揮發性資源。(攝影師：James Parr)

該項目的目標是幫助未來的特別行動組尋找水源和揮發性資源，如氫氣、二氧化碳、氮和甲烷。這些資源可用於保證宇航員、火箭燃料和其他基本材料的空氣供應。尋找和提取月球上的揮發性資源是走向人類未來對火星及更遠的宇宙空間進行探索的重要一步。該團隊目前正在致力於解決兩個關鍵難題:

1.我們可能會在哪兒找到水源和揮發物呢？

月球資源團隊獲悉，人類已擁有異常豐富的月球資料，同時，通過早期的阿波羅登月計劃以及近期執行的一些航天活動，比如美國航天局的月球勘測軌道飛行器（LRO），人類已積累了50年的光學圖像。來自印度Chandraayan任務的高光譜數據表明，月球極地火山口的永久陰影區域存在水源。這一發現和航天局早期的月球坑觀測和感測衛星（LCROSS）任務的發現一致，那次任務在有效載荷衝擊的噴射羽流中探測到了水源（LCROSS半人馬座的上段被故意撞向一個火山口）。北極和南極的寒冷和陰影區域是「月球探礦者」特別感興趣的區域，因為在這裡最有可能發現水凍冰塊等揮發物質的重要沉積物。遺憾的是，由於幾何結構太過複雜，人們很難繪製出極點圖，也因此很難確定資源的大體位置。

2.我們怎樣才能到達這些資源的所在區域？

即使我們能找到這些資源，我們仍然需要對航天任務進行充分的規劃。面對龐大且日益增長的月球數據，該團隊確定了數據管理和質量控制方面的關鍵性知識空白。當前的地圖信息不夠充分。為了成功執行今後的著陸任務，必須改進極地地區的地圖。儘管有了幾十年的研究積累，月球危險——如隕石坑、巨礫和懸崖——的自動識別仍然是最重要的未解決的問題之一。行星研究和勘探航天任務需要準確且精確的地圖，這是必不可少的一個環節。

英特爾的研究人員將利用深度學習方法，使用英特爾Nervana技術來進一步擴大探索範圍，以便在具有挑戰性的極地地區提取地形特徵。通過模擬展示，我們可以了解到深度學習以何種方式來提高地圖數據的質量和可靠性，使其適用於對未來月球車的路徑進行模擬和規劃。未來的商業性月球探索任務能否取得成功，很可能取決於我們能否就水源和其他揮發物的儲存位置以及可預期的數量獲得可靠信息。

「太空數據往往規模很大，且具有多維和動態的特點。更重要的是，發現新事物需要進行實驗，這類實驗需要具備對數據進行快速迭代的能力，這樣我們才可以快速學習並根據實際需要進行調整，而不必等待很長時間。正是出於這個原因，我們聯繫了我們在私營領域的合作夥伴，他們擁有非常實用的工具包。有了這些工具包，FDL的研究人員就能夠在一個具有高加速度的時間窗口內進行創新。」

——FDL主任James Parr

自FDL 2017項目於今年6月份啟動之後，英特爾已獲得較大進展。項目團隊傾向於首先收集與重點領域有關的現有資源，然後對其進行挖掘，以期獲得重要發現。項目組每天都會給各團隊安排特約講師，介紹相關領域的知識，並參觀附近的航天工業活動。FDL還向研究人員介紹了設計思維和精益創業原則，這些原則在科技行業很常見，但對他們來說則是比較新的。客戶移情與訪談為研究的開展提供了指導，使它們能夠更容易地為美國航天局的計劃規劃者和行業合作夥伴所使用。我們看到它們通過一些初始概念進行了迭代，甚至連最新的研究結果也考慮在內，並最終幫助任務規劃者解決了實際問題。目前我們處於計劃的中間階段，軟體開發正在進行中。請務必於下個月重新查看該計劃的更新情況！

對我來說這是一個特殊的時刻，我和濟濟一堂的美國航天局研究人員分享了英特爾的願景 (攝影師：James Parr)

拓展延伸

關於前沿發展實驗室（FDL）：

FDL是美國航天局艾姆斯研究中心和SETI研究所共同發起的應用型人工智慧研究加速機構，是一個公私合夥性質的項目。該項目旨在通過將機器學習專業與天文學和行星科學博士專業技術相結合，來填補空間科學領域的技術空白。 跨學科團隊的形式有助於處理範圍界定比較模糊的問題，也有助於快速迭代和原型開發，使研究輸出對於空間計划具有更高的應用價值。

關於英特爾Nervana:

英特爾在晶元創新方面擁有世界領先地位，在制定當今世界驅動力之一的計算標準方面有著成熟歷史，利用這些優勢，英特爾Nervana正在改變人工智慧；它能夠熟練利用專為人工智慧設計的矽片，擁有從數據中心一直擴展到邊緣的端到端解決方案，以及能夠使客戶實現快速部署和擴展的工具。英特爾Nervana位於人工智慧的中心，正在引領下一代計算的發展。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！