9 月 2 日，NASA 官網(wǎng)消息顯示，南加州航空航天局噴氣推進實驗室的研究人員已經(jīng)使用機器學(xué)習(xí)開發(fā)實驗計算機模型，有望提高檢測快速增強事件的準確性。這項研究可以幫助預(yù)測颶風在 24 小時內(nèi)的嚴重程度，給沿途的人們更多的準備時間。

　　預(yù)測颶風強度的機器學(xué)習(xí)輔助工具

　　（颶風勞拉在登陸路易斯安那州前不久，經(jīng)歷了一個快速強化的過程，風速在 24 小時內(nèi)躍升至 35 英里/小時或更高圖片來源：NASA 官網(wǎng)）

　　颶風預(yù)報分為兩部分：軌跡和強度。經(jīng)過篩選多年的衛(wèi)星數(shù)據(jù)，研究人員選定幾個因素：降雨率、冰水含量和留出溫度預(yù)測值，將這些添加到美國國家颶風中心正在運行的模型中，通過機器學(xué)習(xí)得出自己的預(yù)測。NASA 表示，機器學(xué)習(xí)能夠更好地分析復(fù)雜的內(nèi)部動力學(xué)，并確定哪些因素可能導(dǎo)致颶風強度突然上升。

　　這個機器學(xué)習(xí)模型是使用 IBM Watson Studio 的算法實現(xiàn)的。研究團隊通過 1998 年至 2008 年的暴風雨數(shù)據(jù)訓(xùn)練模型，使用 2009 年至 2014 年的暴風雨數(shù)據(jù)測試模型，并將測試結(jié)果與美國國家颶風中心的預(yù)測模型比較，對于“在 24 小時內(nèi)風速至少增加了 35 mph（56 kph）的颶風”的預(yù)測，準確率提高 60%。

　　NASA 的 AI 嘗試

　　在 2019 年 6 月 26 日華盛頓特區(qū)舉行的 AI 世界政府會議上，NASA 數(shù)據(jù)科學(xué)家兼開放創(chuàng)新計劃經(jīng)理Brian Thomas 談到，NASA 正在利用 AI / ML 做四類工作：航空，作戰(zhàn)，人力資本和 IT 支持。

　　Thomas 說，NASA 最不想看到是機翼或模型在風洞中被炸毀，但他們現(xiàn)在無法使用傳統(tǒng)模型和技術(shù)做建模，了解真實世界（太空）的復(fù)雜結(jié)構(gòu)。人們認為，在航空領(lǐng)域，NASA 可以通過 AI / ML 造出更好的飛船和設(shè)備。

　　作戰(zhàn)方面，Thomas 表示，NASA 可以用 AI / ML 技術(shù)來協(xié)助天線定位，從而最大程度接觸衛(wèi)星。人力資源方面，NSAS 計劃通過文本分析，分析職位描述，然后將其分類，把需要做的事情與員工應(yīng)該在的位置做預(yù)測。IT 支持方便包括用 AI / ML 幫助理解網(wǎng)絡(luò)入侵，已經(jīng)如何避免入侵。

　　下面是 NASA 一些具體的 AI 應(yīng)用、助手與嘗試案例。

• 使用 AI 助手查找太空中的電磁爆發(fā)

　　9 月 1 日的一篇論文，介紹了 AI 助手幫助 NASA 科學(xué)家的算法 MMS。新罕布爾什大學(xué)的空間物理學(xué)家，該論文主要作者 Matthew Argall 表示，MMS 實施的第一個機器學(xué)習(xí)任務(wù)就是 NASA 的。MMS 執(zhí)行的任務(wù)是：檢測航天器何時可以從地球磁場穿越到太陽磁場，反之亦然。

　　在沒有 AI 助手介入的情況下，需要人工在 24 小時內(nèi)檢索 84 個小時中有價值的數(shù)據(jù)，然后選擇最合適的穿梭瞬間。過去是 73 名訓(xùn)練有素的志愿者輪流值班，確保將最好的數(shù)據(jù)傳輸?shù)降孛妗＿@被認為給研究人員在繁忙的工作日程中，增添了志愿服務(wù)的壓力。

　　因此，用 AI 短發(fā)模仿人類如何讀取數(shù)據(jù)，根據(jù)經(jīng)驗識別磁絕經(jīng)。難點在于，大多數(shù)神經(jīng)網(wǎng)絡(luò)都是在孤立的快照中處理數(shù)據(jù)，而科學(xué)家的觀察和預(yù)測是動態(tài)隨時間展開的。所以研究團隊通過存儲網(wǎng)絡(luò)，看到過去的數(shù)據(jù)，并添加將來數(shù)據(jù)數(shù)據(jù)，提供當前決策北京，接近科學(xué)家的能力，“當網(wǎng)絡(luò)決定是否要穿越磁層頂時，可以訪問周圍的數(shù)據(jù)點提供幫助。”

　　目前，新算法與人類判斷約有 70% 的重合。

• CIMON：空間站第一批智能助手

　　2018 年 7 月，NASA 發(fā)布消息，CIMON 將成為第一批在空間站使用的智能助手，主要任務(wù)是處理常規(guī)任務(wù)。

　　CIMON 是可在空間站中使用的頭形 AI 機器人，有空中客車公司和 IBM 在德國航空航天中心的資助下開發(fā)的“基于 AI 的宇航員助手”，也被 NASA 送入太空。

　　（圖片來源：DLR 德國航空航天中心）

• 尋找生命之源的設(shè)想與 FDL

　　2019 年 11 月的一則消息顯示，NASA 科學(xué)家試圖與硅谷的科技公司合作，將 AI 算法應(yīng)用于太空科學(xué)。

　　NASA戈達德太空飛行中心的天體生物學(xué)家 Giada Arney 希望，機器學(xué)習(xí)可以幫她和同事在望遠鏡和天文臺收集的一大堆數(shù)據(jù)中找到生命之源，“由于我們將從未來的觀察中獲得的數(shù)據(jù)稀疏且嘈雜，真的很難理解，因此，使用這些工具可以極大幫助我們。”

　　為了幫助更多類似 Arney 的科學(xué)家達成目標， NASA 的Frontier Development Lab每年夏天會召開為期 8 周的夏季計劃，集合科學(xué)領(lǐng)域研究人員與數(shù)據(jù)科學(xué)家做研究。

　　今年的研究內(nèi)容就包括：太陽物理學(xué)；行星科學(xué)；地球科學(xué)，如預(yù)測未來干旱圖像；災(zāi)害管理，如雷電與極端天氣預(yù)測、繪制洪水淹沒底圖；天體物理學(xué)，如尋找不尋常恒星和行星系統(tǒng)；宇航員健康，建立因果推斷方法試驗臺。

• 用 AI 找恒星

　　2017 年，F(xiàn)DL 參與者開發(fā)的機器學(xué)習(xí)程序可以快速創(chuàng)建附近小行星的 3D 模型，從而準確估算其形狀，大小和旋轉(zhuǎn)速度，這些信息對探測并偏轉(zhuǎn)對地球有威脅的小行星至關(guān)重要。

　　2017 年 12 月，NASA 稱開普勒太空望遠鏡有了新發(fā)現(xiàn)。最新發(fā)現(xiàn)是研究人員使用 Google 的機器學(xué)習(xí)技術(shù)完成的，即使用 AI 發(fā)現(xiàn)了第八顆圍繞地球旋轉(zhuǎn)的恒星。

　　前面提到的今年 FDL 夏季計劃中有關(guān)于尋找不尋常恒星和行星系統(tǒng)的挑戰(zhàn)：

最近 NASA 的太空望遠鏡任務(wù)發(fā)現(xiàn)了恒星亮度隨時間變化的奇特恒星，同時每個新發(fā)現(xiàn)的太陽系都對我們對太陽系演化的理解提出挑戰(zhàn)，但搜索空間巨大，機器學(xué)習(xí)可以提供幫助嗎？

• 基于 Python 的太空探索課程

　　近日，NASA 還和微軟合作，創(chuàng)建了三個基于 Python 制作的學(xué)習(xí)模塊，可以教初學(xué)者使用 Python 和機器學(xué)習(xí)算法探索太空，對太空巖石做分類，以及預(yù)測天氣和火箭發(fā)射延遲。

　　綜上，可以看到，NASA 的許多 AI 探索，都是為了幫助天文科學(xué)家或數(shù)據(jù)科學(xué)家處理復(fù)雜的太空數(shù)據(jù)。就像 Thomas 說的，“機器學(xué)習(xí)，我們創(chuàng)建的每個解決方案都是定制的，這在監(jiān)督學(xué)習(xí)中很特別，這一切都與數(shù)據(jù)有關(guān)。”

總結(jié)

以上是生活随笔為你收集整理的用机器学习预测飓风强度，盘盘NASA的AI宇宙的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。