在空間系統中使用人工智能：任務改善的機會
2020年3月4日
由柏拉圖重新發布
從分析火星上的地形到增強衛星之間的通信 在地面通信中，人工智能（AI）在太空作戰和探索中發揮著越來越重要的作用。 它具有眾多應用程序的功能，並有望為數據豐富且複雜的空間環境提供廣闊的前景。
例如，許多開展太空業務的組織都認識到AI能夠快速，準確地執行複雜任務並增強決策能力。 在整個太空領域採用AI可以幫助提高任務效率和應變能力。
此外，當今的太空環境擁擠，複雜且充滿爭議，而戰鬥領域已不再是美國或相關太空資產的庇護所。 人工智能有潛力顯著提高領域意識，指揮和控制決策，並提高衛星及其連接網絡的彈性。
但是，為了使這些潛在的進步發揮其全部潛力，我們必須加強AI技術的安全性並信任AI技術。 考慮由AI生成的有助於人類決策的分析。 指揮官和操作員可以相信這些分析背後的算法是 客觀地制定，有適當的數據，沒有偏見？ 他們是否可以確定所使用的數據沒有被破壞或操縱？ 對手？ 這些是需要回答的重要問題，以確保 當生命和關鍵任務資產面臨風險時。
以下是使用AI加強關鍵太空任務的方法的示例，以及用戶信任此技術所需的內容。
利用人工智能提高對空間領域的認識
空間變得越來越擁擠。 今天繞地球運轉的行星超過2,600個 衛星超過 34,000對象 10厘米或更大的空間，以及超過900,000塊1到10厘米之間的空間碎片。 它們都以不同的軌道，不同的平面和不同的速度運動。 清楚地了解這種複雜的環境是在太空中安全運行和保護太空資產的重要第一步。
是物體空間碎片還是機動衛星？ 它的p是多少路徑，它的功能是什麼？” 人工智能在多個層面上運作，以幫助運營商回答此類問題並做出適當回應.
首先，組織可以使用可用數據和AI系統生成已知和觀測到的地球軌道物體的綜合目錄。 相同的AI系統可以連續監視和評估碰撞的可能性，並在風險增加的情況下警告衛星和航天器操作員。
這樣的情況可能會發生。 一旦運營商借助其“空間目錄”確定了一顆處於危險之中的衛星，人工智能就可以幫助他們確定保護該衛星的最佳行動方案。 這樣的AI /機器學習系統會將傳統的建模和仿真與深度學習網絡和碰撞避免算法相結合，以快速生成一系列避開空間物體的潛在動作。
在像地球一樣的太空中，每種潛在的迴避策略都帶有各種利弊，以及相互關聯的影響。 例如，一種行動方針可以減少燃料支出以及運營影響。 另一種可能是幫助運營商“向前看”，以最大程度地減少下游干擾或碰撞。
組織可以對AI /機器學習系統進行編程，以根據與當前任務最相關的標準提出最合適的迴避策略。 然後，用戶（“圈中的人”）可以使用他們的判斷力和任務知識在選項中進行選擇，並執行最適當的操作，以使寶貴的太空資產免受傷害。
在時間敏感的情況下，這種AI /機器學習系統將在幾分鐘內提供推薦的解決方案，而傳統方法則需要數小時或數天。 在當今日益擁擠的太空環境中，這就是AI增強領域意識並減少代價高昂的碰撞的力量。
利用AI加速命令和控制決策
人工智能具有巨大潛力的另一個領域是指揮與控制決策，尤其是在資產受到威脅而反應時間很短的情況下。
考慮一個場景，運營商必須保護太空資產免受直接上升的反衛星（ASAT）攻擊。 在這種情況下，操作員可能只有幾分鐘的時間來決定要做什麼。 人工智能和數據分析將以前不可能完成的任務付諸實現：幫助決策者有效分析大量數據並迅速採取一系列可能的行動。
AI系統吸收ASAT軌跡數據以識別可能的目標。 然後，它迅速制定了多種行動方案，其中可能包括機動，對策或參與進攻或防禦活動。 該系統使用機器學習，在考慮到相互關聯的後果和下游影響的情況下，篩選了許多可能的行動方案。 然後，操作員和指揮官會及時獲得優化選擇的菜單，從而加快指揮和控制決策的製定速度，並在關鍵任務情況下加強太空防禦能力。
通過機器學習增強彈性 和自動化
為了響應全球通信和數據傳輸的商業需求，衛星星座和連接它們的網絡正在變得越來越大，越來越複雜。 這些網絡也越來越容易受到日益複雜的動力學和非動力學威脅的攻擊。
通過將AI應用於太空系統，運營商可以減輕這些威脅，並使太空網絡和星座更具有彈性。 組織可以使用AI快速掃描數據以識別網絡漏洞。 然後，他們可以應用AI算法來“修復”或自適應，以確保網絡中的所有節點都重新連接。 組織還可以將自我學習算法嵌入到衛星本身中，以使它們在失去與地面運營商之間的上行鏈路和下行鏈路通信時，更加自給自足並具有更大的彈性。
此外，人工智能可以自動監視衛星的“健康狀況”，解決異常情況以及執行針對威脅的防禦措施。 在衛星本身上自動執行此類任務可以加快這些動作的速度，並使操作員自由地專注於更複雜，關鍵任務的工作。
通過算法開發和操作員培訓建立信任
與在太空或其他地方應用新技術一樣，安全性和信任對於採用和有效性至關重要。 人工智能的安全性始於人工智能算法的發展。 組織必須確保用於訓練算法的數據的譜系，確保在盡可能少的偏差的情況下開發算法，並在整個軟件開發過程和數據存儲中保持安全性。
此外，擁有太空資產和系統的組織將需要對操作員進行AI和機器學習方面的培訓，其中包括對AI系統的構建和設計的理解。 運營商還必須全面了解其AI驅動解決方案的功能和局限性。 只有通過全面的培訓和教育，以及實施安全的流程，操作員和決策者才能充分信任AI系統，以使用它們來增強其任務。
總之
隨著空間環境的迅速發展和新用戶，新功能以及日益複雜的威脅的擴散，阻止和捍衛我們的空間資產已成為國家安全的當務之急，也是一項更為複雜的任務。 通過提高空間領域意識，加快指揮和控制決策，使衛星及其網絡更具彈性，以及更多，人工智能解決方案為保護，改進和增強太空任務並幫助美國維持太空主導地位提供了變革性的機會。 但是，要實現AI的巨大希望，我們還必須確保安全開發和維護AI系統，並確保指揮官和操作員具有接受這種變革性技術所需的培訓和知識。
資料來源：https://zephyrnet.com/zh-TW/%E9%81%B8%E6%93%87%E5%9C%A8%E7%A9%BA%E9%96%93%E7%B3%BB%E7%B5%B1%E4%B8%AD%E4%BD%BF%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BE%86%E6%94%B9%E5%96%84%E4%BB%BB%E5%8B%99/
柏拉圖法則 在 [假設] 如果不存在二八法則了話？ - 看板DummyHistory 的推薦與評價
正式名稱是柏拉圖法則
摘自wiki
柏拉圖法則（英語：Pareto principle，也被稱為 80/20 法則、關鍵少數法則、八二法
則）[1]指出，約僅有20%的因素影響80%的結果。也就是說：所有變因中，最重要的僅有
20%，雖然剩餘的80%占了多數，影響的幅度卻遠低於「關鍵的少數」。[2]管理諮詢約瑟
夫·朱蘭首先提出該原則。此一80/20的概念是義大利經濟學家柏拉圖 (Vilfredo
Pareto) 在洛桑大學發現的，並於他的第一篇文章《政治經濟學》中說明了該現象，例如
：義大利約有80％的土地由20％的人口所有、80%的豌豆產量來自20%的植株等等。
有些人以為占比低就可以當作不重要得存在，但是二八法則卻告訴你相反。
如果這世上不存在著這法則，這個世界上會變得怎麼樣?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.192.143 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DummyHistory/M.1634036312.A.F26.html
... <看更多>