文章发表于2026-10-10 10:28:10，归属【科技前沿】分类，已有10人阅读
卫星、望远镜和星际探测器捕获的太空数据呈指数级增长，这需要借助 AI 的分析能力。现代太空仪器每天产生 TB 级的数据——远远超出科学家手工分析的极限。
AI 自动化有助于对流式图像、传感器数据和光谱数据进行分类和处理。例如，NASA 在火星勘测轨道飞行器上使用 AI，利用 AI 技术过滤并优先处理每秒超过 6 兆比特的数据。这些 AI 算法经训练后，可从数十亿张火星表面图像中识别关键特征。
此外，天文学家利用 AI 搜索天文数据集。科学家训练神经网络，从开普勒太空望远镜捕获的光变曲线凹陷中识别系外行星。这些 AI 工具还能识别和分类星系类型，并根据共同运动对恒星进行聚类。
NASA 与 Google 合作，利用大规模训练后的 AI 算法分析开普勒系外行星任务的数据，帮助科学家发现了此前被忽略的两颗新系外行星。这一发现推动了 AI 在 NASA TESS 任务数据中的应用，用于识别候选系外行星。
“看待数据的新方式——例如这项应用机器学习算法的早期研究——有望让我们对恒星周围行星系统的理解不断取得重大进展。我相信数据中还有更多的‘第一次’等待人们去发现。”——Jessie Dotson，NASA 艾姆斯研究中心开普勒项目科学家。
利兹大学研究员 Miguel Vioque 表示，AI 已被引入盖亚太空望远镜的数据分析。这促成了 2000 颗原恒星的发现，而此前在采用 AI 和机器学习技术之前，科学家仅识别出约 100 颗，进步巨大。
AI 在自动化未来任务中的光谱数据分析方面潜力巨大，例如针对土星卫星土卫二的相关任务。在这些任务中，快速的在轨处理对于识别从地下海洋喷出的冰羽流中可能存在的微生物地外生命迹象至关重要。
AI 为火星等行星表面的机器人漫游车提供了先进的自主能力——包括基于视觉的导航、路径规划、目标探测和自适应任务优先级排序——使其能够利用机载地图和传感器数据穿越崎岖陌生的地形。
例如，NASA 的好奇号和毅力号漫游车利用 AEGIS——一个强大的 AI 系统——构建自主三维地形图，并识别岩石特征和土壤成分。它甚至可以根据地形复杂程度、能量消耗和科学价值推荐当天的活动安排。
随着未来漫游车任务瞄准更遥远的目的地（如气态巨行星及其冰卫星），与地球的通信延迟更大，这类智能能力将变得至关重要。此外，AI 还能实现自主导航和自适应科学考察；漫游车可以立即对发现作出响应，而无需等待有延迟的指令。
AI 还辅助进入、下降和着陆——这是火星探测器面临的最危险阶段。火星科学实验室开创的自主导向进入能力，通过将实时传感器数据与高分辨率表面地图进行比对来实现轨迹修正，从而准确到达指定着陆区。
随着各机构规划更雄心勃勃的机器人任务，AI 提供了探索严酷和陌生环境所需的先进自主能力。
多年任务期间的身心损耗，催生了对更先进宇航员医疗护理的需求。AI 在改进未来乘员支持系统方面展现出可观前景。
通过整合多模态数据流——从追踪心率和皮肤温度的传感器，到记录运动和睡眠模式的数据——由 AI 驱动的预测性健康分析能够为每位宇航员量身定制干预方案。将实时生命体征、行为指标和环境状况整体结合，可以实现复杂诊断、早期风险预警，生成个性化治疗方案。
例如，由空中客车、IBM 和德国航空航天中心设计的 CIMON 是一款声控 AI 机器人，于 2018 年飞往国际空间站。
CIMON 能够通过语音和面部识别看、听、理解和说话，使其能够在空间站中导航、定位和取回物品、记录实验并展示操作流程。
最重要的是，CIMON 是一个能感知压力水平的、富有情感抚慰作用的伴侣。它利用 Watson 的自然语言能力接受了心理支持方面的训练，可以引导宇航员进行改善情绪的治疗性实验。
国际空间站和月球门户空间站将测试更多智能系统，以预判宇航员的需求、提供建议并推动日常活动的自动化。AI 虚拟助手也正在被改造，用于未来火星任务的心理支持——这些任务在联系地面控制中心时会面临通信延迟。
AI 在太空探索中的作用具有变革性：它处理来自天体的海量数据，并预测太阳风暴和太空碎片等风险。它增强了航天器的自主性，减少了对人类的依赖，并协助宇航员进行操作、导航和卫星监测。