تقنيات الذكاء الاصطناعي في صناعات الفضاء

إن تقنيات الذكاء الاصطناعي في تطور كل يوم، وأصبحت تقترب كثيرا من الوصول إلى الموثوقية والقدرة المطلوبة على التكيف في العديد من القطاعات، ومنها قطاع صناعات الفضاء.

وأحد المجالات التي يتم فيها تبني تطبيقات الذكاء الاصطناعي في صناعات الفضاء هو العمليات ذات الصلة بالأقمار الصناعية، والتي تشمل التحديد النسبي للمواقع، والاتصالات، والصيانة وما إلى ذلك، حيث يتم تبني تقنيات الذكاء الاصطناعي للمساعدة في القيام بها.

وتُستخدم أنظمة التعلم الآلي، خاصة وبشكل كبير، في التطبيقات الفضائية لأغراض المحاكاة بين الأنظمة الذكية والآلات الفعلية، وكذلك تحليل الكميات الكبيرة من بيانات رصد الأرض، أو تحليل بيانات القياس عن بعد والتي تأتي من قبل المركبات الفضائية.  وعلى سبيل المثال، يتم نقل البيانات من بعض المركبات الآلية على سطح كوكب المريخ إلى مراكز التحكم والعمليات في الأرض باستخدام الذكاء الاصطناعي. وقد تم تعليم هذه المركبات كذلك كيفية التنقل الذكي آلياً والقيام بمناورات لتجنب الاصطدام الآلي على سطح المريخ، مما يتيح لها الحركة والاستكشاف بشكل واسع، ويتم بذلك تقليل تكلفة المهام الفضائية في ذات الوقت.

وتنتج تكنولوجيا الفضاء والتطبيقات الفضائية كمية هائلة من البيانات، بما في ذلك بيانات القياس عن بعد من قبل المركبات الفضائية والبيانات العلمية المفيدة التي تجمعها تلك المركبات، ومنها معلومات رصد البيانات الهائلة لكوكب الأرض من خلال الأقمار الصناعية، ومن ثم، تحليل جميع هذه البيانات.

وقد قامت إحدى الدراسات التي تم إجراؤها في إطار الأنشطة الأساسية لوكالة الفضاء الأوروبية بإدخال بيانات المهام السابقة في خوارزميات التعلم الآلي للبحث عن ميزات جديدة مفيدة لتطوير وتحسين طرق فحص القياس عن بعد، في المهام المستقبلية، وكذلك التحقق من الأوامر التي تمت من قبل، وإعادة صياغة تلك الأوامر وذلك لتحسين سير العمليات والإجراءات المتخذة.

وتتبع الوكالة أيضاً نهجاً يطلق عليه مصطلح “تعلم الخلية” خلال تبني التعلم الآلي في مجال التوجيه والملاحة والتحكم، حيث يتم استخدام أعداداً كبيرة من المركبات الآلية أو الروبوتات الصغيرة والتي تشارك بتوفير معلوماتها في الشبكة التي تتصل بها جميع تلك الأعداد.  حينها وعلى سبيل المثال، عندما يتعلم أحد الروبوتات من خلال التجربة التي يقوم بها أثناء مهمته بأن مناورة معينة أثبتت فائدة ومزايا أكثر من غيرها، فإن السرب بأكمله يتعلم تلك المعلومة تلقائياً، مما يزيد من تعلم وقدرات الروبوتات بشكل كبير ومتسارع.

وبلا شك، فإن النماذج والهياكل المعقدة اللازمة لتعلم الآلة تحتاج إلى المزيد من التجارب والتطوير والتحسين قبل أن تصبح أكثر نجاحاُ على نطاق أوسع وأذكى من اليوم، خاصة في صناعات الفضاء حيث تستلزم إدارة العمليات تحقيق درجة كبيرة من التحليلات الذكية والدقيقة والسريعة في ذات الوقت.