Pada tahun 2023, NASA merancang untuk melancarkan Europa Clipper misi, seorang penjelajah robot yang akan mengkaji bulan Europa yang penuh teka-teki. Tujuan misi ini adalah untuk menerokai cangkang es dan pedalaman Europa untuk mengetahui lebih lanjut mengenai komposisi, geologi, dan interaksi bulan antara permukaan dan permukaan bawah. Yang paling penting, tujuan misi ini adalah untuk memberi penerangan mengenai apakah kehidupan dapat wujud di lautan pedalaman Europa atau tidak.
Ini menghadirkan banyak cabaran, yang banyak timbul dari kenyataan bahawa Europa Clipper akan berada jauh dari Bumi semasa menjalankan operasi sainsnya. Untuk menangani hal ini, sepasukan penyelidik dari Jet Propulsion Laboratory (JPL) dan Arizona State University (ASU) NASA merancang satu siri algoritma pembelajaran mesin yang akan membolehkan misi menjelajah Europa dengan tahap autonomi.
Bagaimana algoritma ini dapat membantu misi penerokaan jarak jauh di masa depan adalah tajuk persembahan yang disampaikan minggu lalu (7 Ogos) pada Persidangan ACM SIGKDD ke-25 mengenai Penemuan Pengetahuan dan Perlombongan Data di Anchorage, Alaska. Persidangan tahunan ini menyatukan penyelidik dan pengamal dalam bidang sains data, perlombongan data dan analitik dari seluruh dunia untuk membincangkan perkembangan dan aplikasi terkini di lapangan.
Ketika sampai ke sana, berkomunikasi dengan misi jarak jauh adalah kerja yang memakan masa dan mencabar. Semasa berkomunikasi dengan misi di permukaan Marikh atau di orbit, diperlukan isyarat sehingga 25 minit untuk menjangkau mereka dari Bumi (atau kembali lagi). Sebaliknya, menghantar isyarat ke Musytari memerlukan masa antara 30 minit hingga satu jam, bergantung pada lokasi di orbitnya relatif dengan Bumi.
Seperti yang dicatat oleh penulis dalam kajian mereka, aktiviti kapal angkasa biasanya disiarkan dalam skrip yang telah dirancangkan dan bukannya melalui perintah masa nyata. Pendekatan ini sangat berkesan apabila kedudukan, persekitaran, dan faktor lain yang mempengaruhi kapal angkasa diketahui atau dapat diramalkan terlebih dahulu. Namun, ini juga bermaksud bahawa pengawal misi tidak dapat bertindak balas terhadap perkembangan yang tidak dijangka dalam waktu nyata.
Seperti yang dijelaskan oleh Dr. Kiri L. Wagstaff, Penyelidik Utama di Kumpulan Pembelajaran Mesin dan Instrumen Autonomi NASA JPL kepada Space Magazine melalui e-mel:
“Menjelajah dunia yang terlalu jauh untuk membolehkan kawalan manusia langsung adalah sesuatu yang mencabar. Semua aktiviti mesti dibuat pra-skrip. Respons pantas terhadap penemuan baru atau perubahan dalam persekitaran memerlukan kapal angkasa itu sendiri untuk membuat keputusan, yang kita sebut sebagai autonomi kapal angkasa. Selain itu, beroperasi hampir satu miliar kilometer dari Bumi bermaksud kadar penghantaran data sangat rendah.
“Keupayaan kapal angkasa untuk mengumpulkan data melebihi yang dapat dihantar kembali. Ini menimbulkan pertanyaan tentang data mana yang harus dikumpulkan dan bagaimana data tersebut harus diutamakan. Akhirnya, dalam kes Europa, kapal angkasa juga akan dihujani oleh radiasi yang kuat, yang dapat merosakkan data dan menyebabkan komputer diset semula. Mengatasi bahaya itu juga memerlukan pengambilan keputusan secara autonomi. "
Atas sebab ini, Dr. Wagstaff dan rakannya mula mencari kaedah yang mungkin untuk analisis data onboard yang akan beroperasi di mana sahaja dan kapan pun pengawasan manusia secara langsung tidak mungkin dilakukan. Kaedah-kaedah ini sangat penting ketika menangani kejadian langka, sementara yang kejadian, lokasi, dan jangka masa tidak dapat diramalkan.
Ini termasuk fenomena seperti syaitan debu yang telah diperhatikan di Marikh, hentaman meteorit, kilat pada Saturnus, dan gumpalan es yang dipancarkan oleh Enceladus dan badan-badan lain. Untuk mengatasi hal ini, Dr. Wagstaff dan pasukannya melihat kemajuan terkini dalam algoritma pembelajaran mesin, yang memungkinkan tahap automasi dan pengambilan keputusan bebas dalam pengkomputeran. Seperti yang dikatakan oleh Dr. Wagstaff:
"Kaedah pembelajaran mesin membolehkan kapal angkasa itu sendiri untuk memeriksa data semasa ia dikumpulkan. Kapal angkasa kemudian dapat mengenal pasti pemerhatian mana yang mengandungi peristiwa menarik. Ini dapat mempengaruhi penetapan keutamaan pautan bawah. Tujuannya adalah untuk meningkatkan peluang bahawa penemuan paling menarik akan diturunkan terlebih dahulu. Apabila pengumpulan data melebihi apa yang dapat dihantar, kapal angkasa itu sendiri dapat menambang data tambahan untuk nugget sains yang berharga.
"Analisis onboard juga dapat memungkinkan kapal angkasa untuk memutuskan data mana yang akan dikumpulkan selanjutnya berdasarkan apa yang telah ditemukan. Ini telah ditunjukkan di orbit Bumi menggunakan Eksperimen Sains Autonomi dan di permukaan Marikh menggunakan sistem AEGIS di rover Makmal Sains Mars (Curiosity). Pengumpulan data yang autonomi dan responsif dapat mempercepat penerokaan saintifik. Kami berhasrat untuk memperluas kemampuan ini ke sistem suria luar juga. "
Algoritma ini dirancang khusus untuk membantu dengan tiga jenis penyelidikan saintifik yang sangat penting bagi Europa Clipper misi. Ini termasuk pengesanan anomali termal (titik hangat), anomali komposisi (mineral permukaan yang tidak biasa atau deposit), dan gumpalan aktif bahan es dari lautan bawah permukaan Europa.
"Dalam keadaan ini, pengiraan sangat terhad," kata Dr. Wagstaff. "Komputer kapal angkasa berjalan dengan kecepatan yang serupa dengan komputer desktop dari pertengahan hingga akhir 1990-an (~ 200 MHz). Oleh itu, kami telah mengutamakan algoritma mudah dan cekap. Manfaat sampingan ialah algoritma mudah difahami, dilaksanakan, dan ditafsirkan. "
Untuk menguji kaedah mereka, pasukan menggunakan algoritma mereka untuk simulasi data dan pemerhatian dari misi angkasa lepas. Ini termasuk Galileo kapal angkasa, yang membuat pemerhatian spektrum Europa untuk mengetahui lebih lanjut mengenai komposisinya; yang Cassini kapal angkasa, yang merakam gambar aktiviti bulu di bulan Saturnus Enceladus; dan juga Horizon Baru gambar kapal angkasa aktiviti gunung berapi di bulan Musytari Io.
Hasil ujian ini menunjukkan bahawa masing-masing dari tiga algoritma menunjukkan prestasi yang cukup tinggi untuk menyumbang kepada matlamat sains yang digariskan dalam Kajian Decadal Science Planetary 2011. Ini termasuk "mengesahkan adanya lautan dalam, mencirikan shell es satelit, dan memungkinkan pemahaman tentang sejarah geologinya" di Europa untuk mengesahkan "potensi sistem suria luar sebagai tempat tinggal bagi kehidupan".
Di samping itu, algoritma ini boleh memberi implikasi yang luas untuk misi robotik lain ke destinasi jarak jauh. Di luar sistem bulan Europa dan Musytari, NASA berharap dapat menjelajahi bulan Saturnus Enceladus dan Titan untuk kemungkinan tanda-tanda kehidupan dalam masa terdekat, dan juga destinasi yang jauh lebih jauh (seperti bulan Neptunus Triton dan bahkan Pluto). Tetapi aplikasi tidak berhenti di situ. Wagstaff meletakkannya:
"Autonomi kapal angkasa membolehkan kita menjelajah ke mana manusia tidak boleh pergi. Itu termasuk destinasi terpencil seperti Musytari dan lokasi di luar Sistem Suria kita sendiri. Ini juga termasuk lingkungan yang lebih dekat yang berbahaya bagi manusia, seperti dasar laut atau pengaturan radiasi tinggi di sini di Bumi. "
Tidak sukar untuk membayangkan masa depan di mana misi robot semi-autonomi mampu menerokai bahagian luar dan dalam Sistem Suria tanpa pengawasan manusia biasa. Melihat lebih jauh ke masa depan, tidak sukar untuk membayangkan zaman di mana robot autonomi sepenuhnya mampu meneroka planet ekstra solar dan menghantar penemuan mereka pulang.
Dan sementara itu, separa autonomi Europa Clipper mungkin menemui bukti bahawa kita semua menunggu! Itu adalah biosignature yang membuktikan bahawa sebenarnya ada kehidupan di luar Bumi!
