出発準備完了！人工知能が宇宙探査の「新たな道」に参入

ChatGPT の出現により、人工知能に関する新たな議論が巻き起こりました。では、大量のデータの処理や多数の機器や装置の調整が必要となる航空宇宙分野では、人工知能はどのように応用されているのでしょうか?人工知能はSFで描かれるレベルにはまだ程遠いものの、宇宙活動において大きな役割を果たすことができる進化する技術です。

人類と人工知能が共同で宇宙を探索する時代がやがて来る

AIにより、地球を周回する観測衛星や長距離宇宙船の監視能力が向上することが期待されています。人工知能とロボット工学を組み合わせることで、遠くの惑星や衛星を自力で探査できるロボットが登場するかもしれません。

現代の宇宙探査の時代において、人工知能 (AI) は知識の探求における重要なツールとなっています。科学者は AI と機械学習 (ML) モデルを使用して、宇宙船の操作を自動化し、大量のデータを分析し、さらには人命を救います。海外の研究者によると、宇宙探査におけるAIの用途は主に7つほどあるという。

ロボット

AI制御ロボットは障害物を自律的に回避できます。この技術の出現は最近のことではありません。スピリット、オポチュニティ、キュリオシティなどの探査車は、10年以上にわたって火星の表面を完全に自律的に航行してきました。

人工知能はすでに火星探査機で使用されている

探査車はセンサーを使用して岩やクレーターなどの環境上の危険を検出し、AIを使用してデータを分析して最適な進路を決定します。これにより、衝突の危険なしにローバーが安全に通過できるようになります。たとえば、探査機パーサヴィアランスに使用されている AEGIS は、障害物を回避できるだけでなく、サンプル採取のための興味深い岩石を発見できるコンピューター ビジョン ベースの検出システムです。このシステムの応用により、完全に自律的な宇宙探査ローバーの実現への道が開かれます。

ローバーに加えて、飛行探査機も人工知能を使用することができます。現在、探査機はミッションを完了するために地球と通信する必要がありますが、人工知能を使用した自律型宇宙船は、太陽系探査のリスクを効果的に軽減し、ミッションのコストを削減します。この領域の主な内容には、自律航法、自動テレメトリ分析、ソフトウェアのアップグレードが含まれます。

1998 年、NASA はディープ スペース 1 (DS1) 技術実証宇宙船を打ち上げました。その主な任務は、自律航行を含む12の高度な高リスク技術をテストすることです。ミッションは2度延長され、2001年に終了しました。飛行中、ディープ・スペース1号の飛行実験は人工知能「リモートエージェント」によって制御され、歴史に名を残しました。人工知能はすべての期待を超えました。タスクで発生した問題を検出、診断、修復し、タスクをスムーズに実行できます。

ESAの惑星防衛ミッション「ヘラ」は、人工知能を使用してさまざまなセンサーからのデータを統合し、周囲のモデルを構築します。搭載されたコンピューターは、自動運転車と同じように、自律的に判断して宇宙空間を小惑星に向かって自らを誘導します。

衛星運用

従来、衛星の運用は人間の直接的な介入によって行われてきましたが、衛星群の規模が大きくなるにつれて、このアプローチはもはや持続可能ではありません。特に超大規模星座の出現以降、数千人、あるいは数万人もの人員を投入して昼夜を問わず星座を運用することは不可能です。人工知能は衛星の運用方法に革命をもたらし、衛星運用を管理するためのより効率的でスマートかつ高速なソリューションを提供します。

分散型衛星群は人工知能を利用してパフォーマンスを向上させることができる

この問題に関しては、スターリンクシステムの運営者であるスペース・エクスプロレーション・テクノロジーズ・コーポレーションが最も強い要求をしている。彼らの衛星群を人間の力で運用するのは不可能だ。そこで同社は、AI を活用したアルゴリズムを使用して、ナビゲーション衛星が軌道上の他の衛星との衝突を回避できるようにしています。衛星の位置や速度などのセンサーからのデータを組み合わせて潜在的に危険な操作を特定し、コンピューターが衛星の速度と方向を制御および調整して、差し迫った衝突を回避します。

2021年には、ESAとドイツ人工知能研究センター（DFKI）も、衛星の自律性や人工知能システムの衝突回避能力などを専門とする共同技術移転研究所を設立しました。

AI は、衛星を正しい軌道に誘導するプロセスを最適化し、必要な燃料と目的の軌道位置に到達するのに必要な時間を削減することもできます。特に、現在軌道上のゴミの量が増大している状況では、AI が自動的にデブリ回避操作を実行し、宇宙デブリ問題の部分的な解決策を提供できます。

しかし、一部の専門家は、このような技術の応用には衛星所有者間のデータ共有が必要となり、企業秘密の漏洩につながる可能性があると懸念している。それでも、関連技術を研究している衛星企業や業界団体はまだまだたくさんあります。さらに、人工知能の普及によりハッカーに対する懸念が高まっています。ハッカーがソフトウェアを操作して信号を妨害したり、衛星を乗っ取ったり、破壊したりする可能性がある。ただし、オペレーターは逆のことを行って、サイバーセキュリティ アプリケーションをサポートする AI の使用を優先し、悪意のある行為者の一歩先を行くことができます。

データ分析

人工知能は、宇宙ミッションデータを分析するためのより正確で効率的な方法を提供することができます。機械学習アルゴリズムは、衛星、探査機、その他の宇宙探査ツールからのデータを特定し、人類にとっての潜在的な大きな発見やリスク、異常を示唆するのに役立ちます。

人工知能はリモートセンシング画像から船舶を識別できる

地球観測1号衛星は、NASAと米国地質調査所によって開発された衛星画像ミッションです。この衛星は、新しい地球観測技術を実証し、地表の動きを監視する高度な機能を提供するために、2000 年 11 月に打ち上げられました。このミッションでは、3 つの高解像度センサーを組み合わせて、生態学的プロセス、自然災害、土地利用の変化、都市計画、地球規模の気候変動など、さまざまなトピックを研究します。この衛星には、地球上の出来事を自律的に検知し対応することを可能にする「自律科学エージェント」と呼ばれるソフトウェアが搭載されている。このパッケージは、科学的なデータ分析、慎重な計画、およびランタイムの堅牢な実行システムで構成されています。

AI はデータの傾向を特定するのにも役立ち、予測分析を通じて、大量の不要なデータを調べることなく、従来のデータ分析方法よりも詳細な洞察を提供します。 ESAは、人工知能を使って大量のデータをマイニングすることで、多くの有意義な情報を抽出し、それを実践してきました。リモートセンシング衛星データを使用してショッピングモールの自動車の数を監視したり、小売業者の財務実績を予測したり、気候変動を監視したり、警察が犯人を捕まえるのを支援したりするなどです。

ESAは現在、地球のデジタルツインの作成に取り組んでいます。これは、地球の観測データと人工知能を継続的に提供し、地球上の自然活動と人間活動を視覚化し、予測するのに役立つ地球のレプリカです。 Rapid Action Earth Observation プロジェクトは、経済指標の監視に使用できます。すでに、商用衛星データと人工知能の組み合わせにより、ドイツの自動車メーカーの生産変動やバルセロナ空港の航空交通が監視されている。 2020年9月に打ち上げられたFSSCat衛星は、人工知能を搭載した欧州初の地球観測ミッションです。衛星1号人工知能チップを搭載しており、大量のデータを地球に送信する効率が向上している。

ロケット着陸

ファルコン9ロケットとスターシップの自動着陸は、ロケット再利用の新しい時代を切り開きました。この成果の達成は人工知能の応用と切り離せないものです。 SpaceXは、ロケットのセンサーやテレメトリシステムからのデータを監視・分析し、より良い判断を下し、ロケットの軌道と速度をより正確に制御するために人工知能を活用している。同社はまた、ロケットが着陸に最適な位置にくるようにエンジンや着陸装置を制御するなど、ロケット着陸手順の特定の側面をAIで自動化している。

予知保全

AI は衛星の運用やロケットの着陸に役立ち、同じデータを使用して予防保守の対象となる可能性のある領域を特定することもできます。機械学習モデルは、将来の障害やパフォーマンスの問題を予測し、リスクを軽減するためのアクション プランを提案できます。これにより、メンテナンスコストが大幅に削減され、宇宙飛行士の命を救うことができる可能性があります。これは将来の宇宙観光、さらには宇宙移住にとって極めて重要です。

星と銀河の地図作成

AI ベースのアルゴリズムは恒星や銀河のデータのパターンを検出、分類、識別できるため、天文学者は宇宙の恒星や銀河を正確に識別し、それらの物理的特性 (質量や年齢など) を理解することさえできます。また、人工知能を使用して星や銀河が時間の経過とともにどのように変化するかを予測することで、天文学者は将来の地図作成や探査の取り組みのために星を非常に詳細に地図化できるようになりました。

NASAはGoogleと協力して、ケプラー計画のデータを効率的にふるいにかける人工知能アルゴリズムの訓練に取り組んでいる。ケプラー宇宙望遠鏡の主な使命は、主星の居住可能領域内にある地球サイズの惑星を探すことです。ケプラーは9年間のデータ収集を通じて、太陽系外の居住可能領域にある地球サイズの惑星として初めて確認されたものを含め、2,600個以上の惑星を発見した。科学者たちは近い将来、さらに多くの太陽系外惑星を発見すると期待されている。

NASAの科学者は人工知能分析を通じてケプラー90シリーズの小惑星を発見した。

ジェイムズ・ウェッブ宇宙望遠鏡の最も目を引く特徴は、もちろん、6.5 メートルの主鏡です。実際、このレンズが完全に機能するためには、機械学習モデル「Memphis」の助けを借りて生成された大量のデータに依存しています。メンフィスは、深宇宙の銀河を検出して分類し、宇宙の最も初期の構造を地図化するのに役立つように設計されています。 「メンフィス」の前身はハッブル宇宙望遠鏡で訓練されており、ある程度の成熟度を誇っています。

惑星地質学（天体地質学）

科学者は人工知能を使用することで、クレーター、火山、その他の表面の特徴など、惑星や衛星の地質学的特徴を検出し、分類できるようになりました。この技術は惑星の表面の詳細な3Dモデルを生成するためにも使用でき、科学者が惑星や衛星の環境や歴史をより深く理解するのに役立つ可能性がある。

さらなる応用の可能性

上記の 7 つのアプリケーションに加えて、人工知能は宇宙でさらに多くの応用の見込みがあります。

NASA は、科学的分析、宇宙船の運用、ミッション分析、深宇宙ネットワークの運用、宇宙輸送システムをサポートする基礎研究を行う人工知能グループを設立しました。彼らは、コグニティブ無線を使用して通信ネットワークの効率と信頼性を高める方法を研究しています。コグニティブ無線は、通信周波数帯域内の「ホワイトノイズ」領域を識別し、それを利用してデータを送信できるため、限られた通信周波数リソースの使用効率が大幅に向上し、遅延時間を最小限に抑えることができます。 NASA は最近、太陽画像の調整に AI を適用し、科学者が太陽研究に使用するデータを改善しました。 NASAは、深宇宙探査に向けて、通信中継時間による遅延を排除し、その場で判断を下せる、より自律的な宇宙船や着陸船の設計も検討している。

2018年、ドイツ航空宇宙センターは人工知能アシスタント「Crew Interactive Mobile Companion（CIMONおよびCIMON-2）」を発表しました。 CIMON は、音声認識、顔認識、物体認識、自然言語処理が可能な浮遊型の球形デバイスです。宇宙飛行士が機器の組み立てや指示の提供などの作業を完了するのに役立ちます。第一世代のCIMONは14か月の飛行を経て地球に帰還し、その後継機となるCIMON-2が2019年12月に国際宇宙ステーションに到着した。ドイツ航空宇宙センターも、関連技術の開発と応用の探求を継続するために、2021年に人工知能安全研究所を設立しました。

CIMONは宇宙飛行士と交流する

宇宙航空研究開発機構は、国際宇宙ステーションの日本モジュール「つくば」の写真を撮るためのインテリジェントシステム「IntBall」を開発した。これは、将来の探査ミッションに必要なロボット技術の獲得を目指しながら、宇宙ステーションの内外での実験の自律性を促進するために開発された。

フランスの宇宙機関CNESは、フランスの企業Clemensyと協力して、人工知能ニューラルネットワークを使用した流体システムシミュレーターを開発している。英国宇宙庁は、衛星画像で埋もれた考古学的遺跡を検出するために AI を使用するプロジェクトに資金を提供し、イタリア宇宙庁は AI に特化した企業の共同設立にまで至っています。

AI は、特に複数の部品を組み立てるために精密なエンジニアリングが必要な場合に、衛星の製造プロセスを大幅に改善する可能性があります。新たに開発された人工知能技術は、衛星部品の洗浄など、面倒で時間のかかる必要な作業を実行できます。測定値を自動的に収集し、コア コンポーネントの状態に関する最新情報をエンジニアと共有します。 AI の応用により、利益が創出されるだけでなく、生産時間が短縮され、発売頻度も増加します。