AI og ML har længe overskredet grænserne for science fiction, hvor de engang kun blev forestillet som værktøjer til rumkolonisering og interstellar udforskning.
Med de seneste missioner til Mars' overflade, SpaceX's udvikling af genanvendelige supertunge raketter og forskning i autonom AI-robotik står vi nu på tærsklen til en ny æra inden for udforskning af rummet.
Nyere forskning har banet vejen for, at AI-integrerede robotter kan udvinde materialer direkte fra planetens overflade og bygge strukturer, der er i stand til sikkert at huse mennesker, komplet med iltforsyning.
Innovativ forskning i "forfatningsmæssig AI", der styres af demokratisk indsamlede meninger, kan være en løsning for styring af rummet, så menneskeheden kan "eksportere" effektive styringsmodeller til andre planeter.
I stedet for at kolonisterne får til opgave at bygge, kan de bare gå ind i et beboeligt, næsten færdigt anlæg og føle sig hjemme. AI-vedligeholdte forfatninger ville understøtte samfundsmæssige funktioner, der lever og vokser i takt med, at kolonien skrider frem og udvikler sig.
Opdagelse af exoplaneter med AI
At udforske exoplaneter - planeter uden for vores solsystem - er et afgørende skridt i vores søgen efter at forstå kosmos og potentielt finde beboelige verdener.
Mens Mars er et springbræt til kolonisering af exoplaneter, hjælper identifikation og forskning i exoplaneter os med at forstå mere om Jorden, og hvorfor den er den 'udvalgte' til at huse avancerede livsformer.
Den Kepler-rumteleskopet der blev lanceret i 2009, var afgørende for den videre forskning i exoplaneter. Dens primære mission var at observere over 150.000 stjerner og identificere exoplaneter ved at registrere den minimale dæmpning af stjernelyset, når planeter passerede eller passerede foran deres værtsstjerner.
Denne mission, der strakte sig fra 2009 til 2013, førte til opdagelsen af tusindvis af exoplaneter, men den store mængde data, der blev indsamlet af Kepler, var usædvanlig svær at analysere ved hjælp af traditionelle statistiske metoder.
Introduktionen af AI, især det dybe neurale netværk ved navn ExoMinergjorde det muligt for forskere at gennemgå mange års data fra rumteleskoper som Kepler, hvilket gjorde det muligt at identificere nye planetariske legemer med bemærkelsesværdig præcision.
I 2021 validerede ExoMiner 301 nye exoplaneter. Kepler-missionen var i sin helhed utrolig succesfuld og resulterede i bekræftelsen af 4.888 exoplaneter pr. 6. december 2021.
Keplers eftermæle er stort - efter ni år i det ydre rum leverede den beviser for, at vores nattehimmel er fyldt med milliarder af skjulte planeter, hvoraf mange kan være i stand til at understøtte liv i fortiden, nutiden eller fremtiden.
Lægger grundlaget for kolonisering
Hvis det skal lykkes mennesker at bebo andre planeter, skal de have rigeligt med ressourcer - herunder ilt og råmaterialer. En mulighed er at transportere ressourcer ud i rummet med en raket, hvilket i stigende grad er blevet muligt med SpaceX's Falcon Heavy-system.
Men da hver mission koster milliarder af dollars, ville det være betydeligt mere effektivt at syntetisere og samle disse ressourcer på stedet ved hjælp af autonome robotter og forskningslaboratorier, der sendes til planeten, før mennesker ankommer.
Robotter kunne gå i gang med at bygge menneskeklar, præfabrikeret infrastruktur til kolonisatorer. Infrastrukturen kunne konstrueres og testes grundigt for at garantere sikkerheden, før der sættes liv på spil. Det vil måske endda være muligt at udvinde ressourcer direkte fra overfladen af den pågældende planet.
Forskere har allerede fremlagt et væld af teoretiske konstruktionsmetoder til opbygning af infrastruktur på planeter som Mars, herunder til NASA's nylige 3D-printning af habitat-udfordring, som gav designere til opgave at bygge praktiske beskyttelsesrum med indbyggede kritiske overlevelsesmekanismer. Ideerne var bl.a. at bygge beskyttelsesrum ind i klippesiderne eller 3D-printede beskyttelsesrum, der brugte is som byggemateriale.
De seneste fremskridt inden for AI, ML og robotteknologi vil kunne understøtte byggeri uden for planeten og måske endda håndtere hele byggeprocessen autonomt.
For eksempel har et kinesisk forskerhold haft succes med at brugte AI til at skabe ilt på en simuleret Marsoverflade. AI-robotten, som beskrevet i undersøgelsen offentliggjort i Naturens syntesefik til opgave at udvikle en katalysator fra klippeprøver fra Mars, som er afgørende for at fremskynde iltproduktionsprocessen fra vand.
Denne resulterende katalysator hjælper med at spalte vand (H2O) i ilt (O2) og brint (H2) gennem en elektrokemisk reaktion, som teoretisk set ville gøre det muligt for autonome robotter på Mars at syntetisere ilt, før mennesker ankommer.
Professor Jun Jiang, der er medforfatter til artiklen, understregede præstationens betydning og sagde: "Den største konsekvens er, at en AI-styret robot er i stand til at producere nyttige kemikalier under ukendte forhold med ukendte materialer."
Robotter og autonome forskningslaboratorier som disse kan skabe ilt på andre planeter til mennesker, når de ankommer, og dermed lægge grunden til kolonisering.
Skabe materialer på andre planeter
Forskningen afdækker også metoder til selvstændigt at opdage og syntetisere nye materialer ved hjælp af maskinlæring. DeepMind opnåede for nylig en ny milepæl inden for materialevidenskab med sin System til grafiske netværk til materialeudforskning (GNoME).
GNoME fandt 2,2 millioner nye krystallerhvilket ifølge forskerne ville tage omkring 800 år med konventionelle metoder. 700 stabile materialer blev yderligere testet, og 41 ud af 58 blev syntetiseret af et autonomt laboratorium kaldet A-Lab.
Den A-Lab på Berkeley blander og opvarmer ingredienser for at syntetisere disse nye materialer og kombinerer robotteknologi med maskinlæring for at styre opgaven fra ende til anden med minimal menneskelig indsats.
Forestil dig en fremtid, hvor AI-systemer som GNoME anvendes på planeter som Mars. Sammen med andre teknologier kunne de være medvirkende til at identificere og syntetisere materialer direkte fra det planetariske miljø. I mellemtiden kan genanvendelige raketter som Falcon Heavy transportere materialer fra Jorden for at forsyne byggerobotter med råmaterialer eller fladpakkede dele, der er klar til at blive samlet.
Tidligere forskning har allerede etableret metoder til at analysere overfladen på andre planter. Vi vidste ikke meget om sammensætningen af Mars' overflade og dens vejr indtil 2018, hvor Mars InSight-missionen satte sig for at analysere planeten grundigt.
InSight bestod af tre primære instrumenter: Seismic Experiment for Interior Structure (SEIS), Heat Flow and Physical Properties Package (HP³) og Rotation and Interior Structure Experiment (RISE).
- SEIS, et sofistikeret seismometer, målte Mars' indre vibrationer for at afsløre egenskaberne ved dens skorpe, kappe og kerne.
- HP³ havde til formål at måle den røde planets temperatur og bestemme dens interne varmestrøm.
- Ved hjælp af radiovidenskab analyserede RISE Mars' nordpols slingren for at give indsigt i størrelsen og sammensætningen af dens metalliske kerne.
Udforskningsmissioner som InSight kan indsamle indledende data fra koloniserbare planeter for at hjælpe med at designe teknologier og teknikker til at maksimere ressourceudnyttelsen fra den pågældende planet.
Byggeprocessen vil indebære, at man udnytter planetens unikke geologi og atmosfæriske sammensætning til at skabe materialer, der egner sig til at bygge levesteder, livsstøttesystemer og anden vigtig infrastruktur til menneskelige kolonier.
AI's evne til hurtigt at analysere og iterere over millioner af potentielle kombinationer ville fremskynde processen med at finde egnede materialer til forskellige koloniseringsbehov.
AI til styring af rummet
Når kolonier er etableret i rummet, kan AI hjælpe med at styre dem.
Styring af rummet er et komplekst emne, der tvinger os til at spørge: Hvis politik og samfundsmodeller eksporterer vi til den nye koloni?
Det er ikke ideelt at danne valgte eller repræsentative styreformer ud fra en begrænset gruppe mennesker, især ikke i de tidlige stadier af koloniseringen. Konflikter og divergerende synspunkter kan være katastrofale, især når kolonisatorerne også skal håndtere den stress og de strabadser, der er forbundet med at bo på en anden planet.
AI kan være en løsning ved at tilbyde præfabrikerede styringsmodeller, som vi udvikler på jorden. Et interessant eksempel er Anthropics arbejde med "Konstitutionel AI", som indebærer at kode eksplicitte værdier i AI-systemer gennem en demokratisk proces.
Forfatningsbaseret AI er en ny tilgang til at integrere demokratiske værdier i AI-systemer. Det indebærer offentlig deltagelse i udarbejdelsen af et sæt principper, eller en "forfatning", for AI-modeller, som sikrer, at beslutningstagningen er i overensstemmelse med bredt accepterede normer og værdier.
Etik og love for offentligheden i rummet
I forlængelse af deres arbejde med konstitutionel AI udviklede Anthropic "Kollektiv forfatningsmæssig AI", der involverede en offentlig inputproces, som blev brugt af Anthropic, og som involverede omkring 1.000 amerikanere til at udarbejde en forfatning for et AI-system, hvilket viser, at det er muligt at engagere offentligheden i AI-styring.
Det er bemærkelsesværdigt, at denne teknik viste sig at forbedre bias-scoren sammenlignet med Anthropics standardmodeller.
I forbindelse med styring af rummet kunne lignende processer implementeres for at indsamle globalt input om nøglespørgsmål som ressourcefordeling, interplanetarisk etik og miljøbeskyttelse.
Denne demokratiske tilgang sikrer, at AI-systemer til styring af rummet styres af forskellige perspektiver, hvilket gør politikkerne mere repræsentative og inkluderende. Desuden vil de være i stand til at udvikle sig i takt med, at rumsamfundene vokser.
Forfatningsmæssige AI-systemer kan designes til at opretholde og håndhæve rumlove og -politikker, der afspejler en kollektiv menneskelig konsensus, ved at anvende denne tilgang til rumstyring.
Det kan omfatte styring af rumtrafik, regulering af mineaktiviteter på himmellegemer og sikring af, at udforskning af rummet foregår på en etisk og miljømæssig ansvarlig måde. Derudover kan den offentlige forfatningstilgang hjælpe med at sikre, at overvågnings- og håndhævelsesaktiviteter er gennemsigtige og i overensstemmelse med offentlige værdier.
Der er selvfølgelig meget arbejde, der skal gøres her, da det er vanskeligt at afbalancere AI'ens overholdelse af etiske principper med praktisk funktionalitet, især for så vidt angår at undgå at skabe alt for forsigtige eller uhensigtsmæssige systemer. Desuden vil AI-styringssystemer stadig være udsat for AI-induceret bias og misrepræsentation, som Anthropic indrømmer i deres arbejde.
Fra den autonome konstruktion af beboelige bygninger til AI-støttet styring repræsenterer farerne og bekymringerne ved kolonisering af rummet både en ny horisont og en udfordring.
AI vil være i stand til at tage noget af slæbet på rumkoloniseringsprojekter og muligvis skabe beboelig infrastruktur komplet med ilt, naturressourcer og måske endda frugtbare gårde, der er klar til at fodre kolonister ved ankomsten.
Når det gælder regeringsførelse, vil AI gøre det muligt for menneskeheden at designe og eksportere grundigt testede forfatningsmodeller, der på en gennemsigtig måde håndterer vigtige beslutninger.
Science fiction? Indtil videre, men nok ikke for altid.
