美国国家航空航天局研究人员的人工智能“眼睛”可能有助于机器人数据收集

当涉及到对不熟悉的数据做出实时决策时，比如选择一条从未攀登过的山的路径时，现有的人工智能和机器学习技术还远远达不到人类的技能。这就是美国国家航空航天局科学家约翰·莫伊桑开发人工智能“眼睛”的原因

弗吉尼亚州钦科塔格附近美国国家航空航天局沃洛普斯飞行设施的海洋学家约翰·莫伊桑·莫伊桑表示，人工智能将引导他的A-Eye，一种可移动传感器。在分析图像后，他的人工智能不仅可以在新数据中找到已知的模式，还可以引导传感器观察和发现新的特征或生物过程。

Moisan说：“一台真正智能的机器需要能够识别何时面临真正新的、值得进一步观察的东西。”“大多数人工智能应用程序都是用熟悉的数据训练的映射应用程序，以识别新数据中的模式。你如何教机器识别它不理解的东西，停下来说‘那是什么？让我们仔细看看。’这就是发现。”

Goddard人工智能专家James MacKinnon表示，在复杂数据中发现和识别新模式仍然是人类科学家的领域，人类的视觉在很大程度上起着作用。科学家们通过观察可视化来分析大型数据集，这些可视化可以帮助揭示数据中不同变量之间的关系。

像这样的红外图像来自马里兰州/弗吉尼亚州东海岸屏障和后海湾地区的沼泽地区，为科学家揭示了植物健康、光合作用和其他影响植被和生态系统的条件的线索。

MacKinnon说，训练计算机实时查看大型数据流以查看这些连接是另一回事。尤其是在寻找计算机未经训练识别的数据中的相关性和相互关系时。

Moisan打算首先将他的A-Eye放在解读地球复杂的水生和沿海地区的图像上。他预计今年将实现这一目标，利用之前在德尔马瓦半岛上空飞行的观测结果训练人工智能。后续资金将帮助他完成光学瞄准目标。

莫伊桑问道：“你如何在扫描中找出重要的东西？”。“我希望能够快速将A-Eye指向扫描中扫描到的东西，这样我们就可以从偏远地区获得了解环境场景所需的一切。”

Moisan的车载AI将实时扫描收集到的数据，以搜索重要特征，然后操纵光学传感器以红外和其他频率收集更详细的数据。

思维机器可能会在未来的宇宙探索中发挥更大的作用。复杂的计算机被教导识别可能指示生命过程的化学特征，或熔岩流或火山口等景观特征，这可能会增加月球或深空探测返回的科学数据的价值。

MacKinnon说，当今最先进的人工智能还没有完全准备好做出关键任务的决策。

他说：“你需要一些方法来感知一个场景，并将其转化为一个决定，这真的很难。”“对科学家来说，可怕的事情是扔掉可能有价值的数据。人工智能可能会优先发送哪些数据，或者有一个算法可以引起人们对异常的关注，但最终，科学家会研究这些数据，从而发现这些数据。”

横幅：海岸沼泽地的图像结合了航空和卫星视图，采用了类似于高光谱成像的技术。将来自多个来源的数据结合起来，可以为科学家提供支持环境管理的信息。