AI en ML overstijgen al lang de grenzen van sciencefiction, waar ze ooit alleen werden gezien als hulpmiddelen voor ruimtekolonisatie en interstellaire exploratie.
Met recente missies naar het Marsoppervlak, de ontwikkeling van herbruikbare superzware raketten door SpaceX en onderzoek naar autonome AI-robotica staan we nu aan de vooravond van een nieuw tijdperk in de verkenning van de ruimte.
Recent onderzoek heeft de weg vrijgemaakt voor AI-geïntegreerde robots om materialen direct van het planeetoppervlak te delven en structuren te bouwen die mensen veilig kunnen huisvesten, compleet met zuurstofvoorraden.
Innovatief onderzoek naar 'constitutionele AI' op basis van democratisch tot stand gekomen meningen zou een oplossing kunnen bieden voor ruimtebestuur, waardoor de mensheid effectieve bestuursmodellen kan 'exporteren' naar andere planeten.
In plaats van dat kolonisten de taak krijgen om te bouwen, kunnen ze gewoon een bewoonbare, bijna voltooide faciliteit binnenlopen en zich thuis voelen. AI-onderhouden grondwetten zouden maatschappelijke functies ondersteunen die leven en groeien naarmate de kolonie groeit en evolueert.
Exoplaneet ontdekken met AI
Het verkennen van exoplaneten - planeten buiten ons zonnestelsel - is een cruciale stap in onze zoektocht om de kosmos te begrijpen en mogelijk bewoonbare werelden te identificeren.
Terwijl Mars een opstapje is naar het koloniseren van exoplaneten, helpen de identificatie en het onderzoek van exoplaneten ons meer te begrijpen over de aarde en waarom het de 'uitverkorene' is om geavanceerde levensvormen te huisvesten.
De Kepler ruimtetelescoop die in 2009 werd gelanceerd, was van groot belang voor verder onderzoek naar exoplaneten. De primaire missie was om meer dan 150.000 sterren te observeren en exoplaneten te identificeren door het minuscule dimmen van sterlicht te detecteren wanneer planeten voor hun gastheerster langs bewegen.
Deze missie, die liep van 2009 tot 2013, leidde tot de ontdekking van duizenden exoplaneten, maar de enorme hoeveelheid gegevens die Kepler verzamelde was uitzonderlijk moeilijk te analyseren met traditionele statistische methoden.
De introductie van AI, met name het diepe neurale netwerk genaamd ExoMinerDit heeft onderzoekers in staat gesteld om jarenlange gegevens van ruimtetelescopen zoals Kepler te doorzoeken, waardoor nieuwe planeten met een opmerkelijke precisie konden worden geïdentificeerd.
In 2021 valideerde ExoMiner 301 nieuwe exoplaneten. De Kepler-missie was in zijn geheel ongelooflijk succesvol en resulteerde in de bevestiging van 4.888 exoplaneten per 6 december 2021.
De nalatenschap van Kepler is diepgaand - na negen jaar in de ruimte te hebben doorgebracht, leverde het bewijs dat onze nachtelijke hemel gevuld is met miljarden verborgen planeten, waarvan er vele in staat zijn om leven te ondersteunen in het verleden, het heden of de toekomst.
De basis leggen voor kolonisatie
Als mensen met succes andere planeten willen bewonen, hebben ze voldoende grondstoffen nodig, waaronder zuurstof en grondstoffen. Eén optie is om grondstoffen via raketten naar de ruimte te brengen, wat steeds beter mogelijk wordt met het Falcon Heavy-systeem van SpaceX.
Maar omdat elke missie miljarden dollars kost, zou het veel efficiënter zijn om deze middelen ter plekke te synthetiseren en samen te stellen met behulp van autonome robots en onderzoekslaboratoria die naar de planeet worden gestuurd voordat de mensen arriveren.
Robots zouden kunnen beginnen met het bouwen van kant-en-klare infrastructuur voor kolonisten. Infrastructuur kan worden gebouwd en rigoureus worden getest om de veiligheid te garanderen voordat er levens op het spel worden gezet. Het zou zelfs mogelijk kunnen zijn om grondstoffen direct van het oppervlak van de planeet in kwestie te ontginnen.
Onderzoekers hebben al een groot aantal theoretische bouwmethoden voorgesteld voor het bouwen van infrastructuur op planeten zoals Mars, onder andere voor NASA's recente 3D printen Habitat uitdagingwaarin ontwerpers de taak kregen om praktische schuilplaatsen te bouwen met ingebouwde kritieke overlevingsmechanismen. Ideeën waren onder andere het bouwen van schuilplaatsen ingebouwd in de zijkant van kliffen of 3D-geprinte schuilplaatsen die ijs gebruiken als constructiemateriaal.
Recente ontwikkelingen op het gebied van AI, ML en robotica zouden de bouw buiten de planeet kunnen ondersteunen en misschien zelfs het hele bouwproces autonoom kunnen uitvoeren.
Een Chinees onderzoeksteam heeft bijvoorbeeld met succes AI gebruikt om zuurstof te maken op een gesimuleerd Martiaans oppervlak. De AI-robot, zoals beschreven in de studie gepubliceerd in Natuur Synthesekreeg de opdracht om een katalysator te ontwikkelen uit gesteentemonsters van Mars, die essentieel is voor het versnellen van het zuurstofproductieproces uit water.
Deze resulterende katalysator helpt bij het splitsen van water (H2O) in zuurstof (O2) en waterstof (H2) via een elektrochemische reactie, waardoor autonome robots op Mars in theorie zuurstof zouden kunnen produceren voordat mensen arriveren.
Professor Jun Jiang, co-auteur van het artikel, benadrukte het belang van de prestatie door te zeggen: "De grootste implicatie is dat een AI-gestuurde robot in staat is om nuttige chemicaliën te produceren in onbekende omstandigheden met onbekende materialen."
Robots en autonome onderzoekslaboratoria zoals deze zouden zuurstof kunnen creëren op andere planeten voor mensen wanneer die arriveren en zo de basis leggen voor kolonisatie.
Materialen creëren op andere planeten
Onderzoek brengt ook methoden aan het licht om autonoom nieuwe materialen te ontdekken en te synthetiseren met behulp van machinaal leren. DeepMind onlangs een nieuwe mijlpaal in de materiaalwetenschap bereikt met zijn Grafische netwerken voor materiaalverkenning (GNoME) systeem.
GNoME 2,2 miljoen nieuwe kristallen gevondenwat volgens de onderzoekers met conventionele methoden zo'n 800 jaar zou duren. 700 stabiele materialen werden verder getest en 41 van de 58 werden gesynthetiseerd door een autonoom laboratorium genaamd A-Lab.
De A-Lab op Berkeley mengt en verhit ingrediënten om deze nieuwe materialen te synthetiseren, waarbij robotica wordt gecombineerd met machinaal leren om de taak van begin tot eind uit te voeren met minimale menselijke inbreng.
Stel je een toekomst voor waarin AI-systemen zoals GNoME worden ingezet op planeten zoals Mars. In combinatie met andere technologieën zouden ze kunnen helpen bij het identificeren en synthetiseren van materialen uit de planetaire omgeving. Ondertussen zouden herbruikbare raketten zoals de Falcon Heavy materialen vanaf de aarde kunnen vervoeren om bouwrobots te voorzien van grondstoffen of platte, kant-en-klare onderdelen.
Onderzoek in het verleden heeft al methoden opgeleverd om het oppervlak van andere planten te analyseren. We wisten weinig van de samenstelling van het Martiaanse oppervlak en het weer tot 2018, toen de Mars InSight Missie uiteengezet om de planeet uitgebreid te analyseren.
InSight had drie hoofdinstrumenten: de Seismisch experiment voor interne structuur (SEIS), het warmtestroom- en fysische eigenschappenpakket (HP³) en het rotatie- en interne structuurexperiment (RISE).
- SEIS, een geavanceerde seismometer, meet de interne trillingen van Mars om de eigenschappen van zijn korst, mantel en kern bloot te leggen.
- HP³ wilde de temperatuur van de Rode Planeet meten en de interne warmtestroom bepalen.
- RISE, dat gebruikmaakt van radiowetenschap, analyseerde het wiebelen van de noordpool van Mars om inzicht te krijgen in de grootte en samenstelling van de metaalkern.
Verkenningsmissies zoals InSight kunnen de eerste gegevens verzamelen van planeten die gekoloniseerd kunnen worden om technologieën en technieken te ontwikkelen waarmee de hulpbronnen van de planeet in kwestie optimaal gebruikt kunnen worden.
Het bouwproces zou bestaan uit het gebruiken van de unieke geologie en atmosferische samenstelling van de planeet om materialen te maken die geschikt zijn voor het bouwen van habitats, levensondersteunende systemen en andere essentiële infrastructuur voor menselijke kolonies.
Het vermogen van AI om snel miljoenen mogelijke combinaties te analyseren en te herhalen zou het proces van het vinden van geschikte materialen voor verschillende kolonisatiebehoeften versnellen.
AI voor ruimtebestuur
Zodra er kolonies in de ruimte zijn gevestigd, kan AI helpen ze te besturen.
Ruimtevaartbestuur is een complex onderwerp dat ons dwingt om ons af te vragen: wiens politiek en maatschappelijke modellen exporteren we naar de nieuwe kolonie?
Het vormen van gekozen of representatieve bestuursvormen uit een beperkte groep mensen is niet ideaal, zeker niet in de beginstadia van kolonisatie. Conflicten en meningsverschillen kunnen catastrofaal zijn, vooral wanneer de kolonisten ook nog eens de stress en ontberingen van het bewonen van een andere planeet moeten verwerken.
AI zou een oplossing kunnen bieden door kant-en-klare bestuursmodellen aan te bieden die we op aarde ontwikkelen. Een interessant voorbeeld is Anthropic's werk aan "Constitutionele AIwaarbij expliciete waarden in AI-systemen worden gecodeerd via een democratisch proces.
Het gebruik van constitutionele AI biedt een nieuwe benadering voor het inbedden van democratische waarden in AI-systemen. Hierbij wordt het publiek betrokken bij het opstellen van een reeks principes, of een "grondwet", voor AI-modellen, zodat de besluitvorming in overeenstemming is met breed geaccepteerde normen en waarden.
Ethiek en wetgeving voor het publiek in de ruimte
Voortbordurend op hun werk aan constitutionele AI ontwikkelde Anthropic "collectieve grondwet AIwaarbij ongeveer 1.000 Amerikanen betrokken waren om een grondwet op te stellen voor een AI-systeem, wat de haalbaarheid aantoont van het betrekken van het publiek bij AI-governance.
Opmerkelijk genoeg bleek deze techniek de bias-scores te verbeteren in vergelijking met de standaard constitutionele modellen van Anthropic.
In de context van ruimtebeheer kunnen soortgelijke processen worden geïmplementeerd om wereldwijde input te verzamelen over belangrijke kwesties zoals de toewijzing van hulpbronnen, interplanetaire ethiek en milieubescherming.
Deze democratische benadering zorgt ervoor dat AI-systemen in het ruimtebestuur worden geleid door verschillende perspectieven, waardoor het beleid representatiever en meer inclusief wordt. Bovendien kunnen ze meebewegen met de groei van samenlevingen in de ruimte.
Grondwettelijke AI-systemen kunnen worden ontworpen om wetten en beleid in de ruimte te handhaven en af te dwingen die een collectieve menselijke consensus weerspiegelen door deze benadering toe te passen op het bestuur van de ruimte.
Dit zou kunnen inhouden dat het ruimteverkeer wordt beheerd, dat mijnbouwactiviteiten op hemellichamen worden gereguleerd en dat ervoor wordt gezorgd dat de ruimteverkenning op een ethisch en ecologisch verantwoorde manier wordt uitgevoerd. Daarnaast kan de publiekrechtelijke benadering helpen om ervoor te zorgen dat de controle- en handhavingsactiviteiten transparant zijn en afgestemd op de publieke waarden.
Natuurlijk is hier nog veel werk aan de winkel, omdat het in evenwicht brengen van de naleving van ethische principes door de AI met praktische functionaliteit lastig is, vooral als het gaat om het vermijden van het creëren van overdreven voorzichtige of onbehulpzame systemen. Bovendien zouden AI-besturingssystemen nog steeds onderhevig zijn aan door AI ingegeven vooringenomenheid en verkeerde voorstelling van zaken, zoals Anthropic toegeeft in hun werk.
Van de autonome constructie van bewoonbare gebouwen tot AI-ondersteund bestuur, de gevaren en angst voor ruimtekolonisatie vormen zowel een nieuwe horizon als een uitdaging.
AI zal een deel van de ruimte-kolonisatieprojecten op zich kunnen nemen, mogelijk door het creëren van leefbare infrastructuur compleet met zuurstof, natuurlijke bronnen en misschien zelfs vruchtbare boerderijen om kolonisten te voeden bij aankomst.
Voor bestuur zou AI de mensheid in staat stellen om grondig geteste grondwettelijke modellen te ontwerpen en te exporteren die op transparante wijze belangrijke besluitvorming afhandelen.
Science fiction? Voorlopig wel, maar waarschijnlijk niet voor altijd.
