外太空可没有GPS。如果人们在月球上，或者在前往火星的路上迷路了，那就糟糕了。NASA和英特尔不希望发生这样的情况，因此他们寻求AI解决方案。

NASAFrontierDevelopmentLab（FDL）最近结束了一个为期八周的夏季计划，这是一个由英特尔主办的展示活动。该项目包括负责太空旅行和探索外星等核心问题的九个小组。目标是使用AI解决这些特定的问题。

活动涵盖了寻找系外行星、发送探测器以近距离观察太阳，以及其他太空旅行者感兴趣的主题。两个演讲特别关注人类和机器人的地球外导航问题，以及如何用今天的深度学习技术来解决这些问题。

第一个演讲是关于月球。弄清楚你在地球上的位置相对容易。我们可以使用老式的地图、应用程序、GPS，搜索地标，或一直朝一个方向走（直到来到海边），或者向别人问路。但在月球上是不同的，因为月球表面的特殊构造，这些方法都行不通。

那么AI怎么提供帮助？研究人员AndrewChung、PhilippeLudivig、RossPotter和BenjaminWu开发了一个模拟月球表面的系统，并将模拟与当地环境进行比较。本质上，他们通过提供数百万个图像，然后使用神经网络创建一个虚拟月球来教导AI。

从理论上讲，站在月球表面的人应该能够通过拍摄周围环境来进行定位，并让AI将真实图像与模拟进行比较。

这种基于AI的解决方案适用于我们能够拍摄的任何表面——包括火星。它可能不具有与开放空间定位相同的功效，但是在空间中飞行带来了与导航外太空表面不同的挑战。

下一个演讲来自另一个由英特尔赞助的团队，他们负责处理很多人已经熟悉的问题：在另一个星球上建造基地（这里的情况是月球）。

是的，《星际争霸》的狂热爱好者和老的《命令与征服》爱好者听好了：NASA正致力于月球和火星“殖民地”的自治基地建设、采矿和资源管理。而没有机器学习就无法完成这一切。

由研究人员DrewBischel、ZahiKakish、FranciscoLera和AnaMosquera组成的团队已经开始着手解决无人驾驶车辆和自动机器人在恶劣环境中进行操作的问题（例如黑暗、冰冷的月球）。

不是让人们在对人类来说太危险的区域建造，也不是制造太阳能车辆来避免黑点，这个小组创建了一个解决问题的框架——这类似于一个叫做TheTravelingSalesmanProblem的经典数学难题。

在TheTravelingSalesmanProblem中，科学家的任务是找到推销员在城市之间旅行的最短路线（不会到一个地方两次），然后返回原点。如果他是从纽约到芝加哥，然后是旧金山再回来，那么这个问题似乎很简单。

但是当你将它应用到像月球这样的环境中时，你必须考虑资源的位置、黑点、可能导致仪器和机械故障的温度波动，以及无数其他环境特定的任务，控制数百个甚至数千个做出数以百万个决定的独立机器对于简单的计算来说难度实在太大了。这样的努力需要先进的深度学习解决方案。

英特尔为这两个团队提供了访问IntelDevCloud的权限，该版本运行在IntelXeonGold处理器上，并包含针对Python和Tensorflow的MKL优化。英特尔为定位团队提供了专用的Xeon服务器。

最终，这两个项目都可以扩展到其他星球和卫星上。该研究目前处于早期发展阶段，但前进的道路很明确：AI是太空旅行和外星探索的未来。

原文作者：TRISTANGREENE