由人工智能技术绘制的巨型高精月球地图，可以帮助发现隐藏在月球地表下的丰富资源。科学家们认为，这些资源足够让太空探索者在月球上定居。

人类对于外太空的探索是无止境的。

而月球作为地球唯一的天然卫星更是科学家探索宇宙的第一试验站。从中国的古老神话"嫦娥奔月"，到1969年美国国家航空航天局（NASA）实现了有史以来第一次人类登月，以及无数关于月球的书籍与影视材料等，都在反映出我们对这颗陪伴着我们每个夜晚的"大星星"有着无限的求知欲。

可是现实生活中，月球真的有这么触不可及吗？月球上可能有生命存在吗？月球上是否有可以延续生命的资源呢？

月球上可能存在生命所需的必要资源

科学家们认为月球极地阴影地区的陨石坑内可能充满了水、冰和其他易挥发性物质，这些资源不仅可以用来制造火箭燃料，还能满足宇航员在月球环境中所需的空气和其他必要物资，由于宇航员在执行长时间的外太空探索任务时，能够携带的资源十分有限，因此这些资源就显得十分重要。一旦确定资源的存在，将为未来登月甚至登陆火星提供可能性。

假设这些物质真的存在，将会突破我们对太空的探索瓶颈，成为划时代的里程碑。

那对这些未解之谜，我们如何验证呢？

百万张影像制成地图

尽管拥有美国国家航空航天局（NASA）对月球跟踪拍摄了近50年的太空影像，但是由于月球的公转速度和运行轨道使得月球始终有大面积的区域存在阴影当中，科学家们始终无法准确的辨认月球地表状况。这对于寻找最佳的月球探测器的着陆点有着很大的影响，也导致我们对月球的研究进步缓慢。

近几年来，这个情况得到了极大的改善。

随着人工智能技术的进步和近10年来在月球上安装的新型传感器的帮助下，科学家收集到了大量详实的数据和高光谱图像，可以识别月球表面的岩石结构，并对其进行数据分析，更全面地了解月球的地表与物质资源情况。这一成绩具有极高的科学价值！

尽管如此，可单纯利用图片组合加数据的方式来制作一个未知星体的地图是非常困难的一件事。

以往，行星科学家们需要把在运行轨道上不同角度、光照和距离条件下拍摄到的卫星影像，以陨石坑或其他物体作为参照地标，然后手动地将所有图片进行排列组合，只要任何一个影像上的条纹没有对齐或光线太暗，都会导致绘制的地图不准确。但现在，我们能通过人工智能的深度学习技术来解决这个难题。

人工智能的深度学习，弥补人工缺陷

太空数据往往是海量、多维和动态的，所以对于科学家们来说，最关键的任务是快速处理海量的、不断变化的月球数据，并从中分析出能够指导未来各项任务和计划的关键点。

近期美国国家航空航天局（NASA）发布声明，其前沿发展实验室（FDL）和英特尔合作，利用英特尔的人工智能深度学习技术-神经网络模型来识别和处理海量的数据，让机器在没有明确指令的情况下自行运转和思考，比如加速月球地图的绘制过程、分析大量多角度长时间内获取的月球3D图像、勾勒更加完整精准的月球表面地形地貌数据库、同时还可以精准地预计地球、月球、太阳三者间的运行轨迹。

为了制作详细的月球地图，FDL研究小组使用了NASA月球勘测轨道飞行器（LRO）中的两个数据集：一组光学图像，另一组是海拔测量数据。并通过由FDL和英特尔一起创建的人工智能深度学习技术-计算机视觉算法来叠加两组数据进行计算，从而绘制出准确率高达98.4%的高精月球地图。

除此之外，当计算机视觉算法这一技术配上英特尔®NervanaCloud，仅仅一分钟之内就能够处理1000张图像，这比人类专家的识别速度有上百倍的提升。此算法也可以在GIThub——一款面向开源及私有软件项目的托管平台中，供其他研究团队使用。

人工智能在太空研究中的其他成就

除了月球的地图绘制和数据分析，人工智能技术在加利福尼亚州山景城的SETI协会上，也帮助美国国家航空航天局（NASA）FDL的空间资源项目在8周内就快速完成了。

太空资源团队只是NASA2017年夏季计划的五个团队之一，其他团队则负责行星防御、太空资源和太空气象等领域的挑战，如长周期彗星，雷达三维建模，太阳-地球相互作用力以及太阳风暴预测等。

相信除了绘制月球地图，美国国家航空航天局（NASA）在人工智能技术的辅助下，将很快能在月球或其他更远的地方持续展开夏季，冬季、甚至是年度探索，去挖掘太空中更神奥的秘密。