استخدام التعلم في مجال الأنشطة الفضائية والآلات في كشف المواد الفضائية والتصدي لها

وتمارس هذه المركبات الفضائية نشاطاً من أكثر البيئات غير المغتفرة المعروفة للبشرية، إذ إن الإشعاع ودرجات الحرارة القصوى والميكرومترات، وتأخيرات الاتصالات في الساعات تجعل من الرقابة البشرية غير عملية في الوقت الحقيقي بالنسبة للعديد من البعثات الفضائية العميقة، وحيث أن الوكالات الفضائية والمشغلين التجاريين يتجهون نحو تحقيق أهداف أكثر طموحاً - قواعد القمر، وعودة عينات المريخ، والتعدين على الكويكبات، والكشف عن الارتلات - الحاجة إلى القيام بها

الدور الحاسم في كشف الشذوذ في البعثات الفضائية الحديثة

كما أن الكشف عن الشذوذ هو عملية تحديد نقاط البيانات أو الأحداث أو الملاحظات التي تنحرف بدرجة كبيرة عن السلوك المتوقع، وفي سياق المركبات الفضائية، يمكن أن تتراوح الشذوذات بين أجهزة الاستشعار الصغيرة وفشل الأجهزة الكارثة، بينما يشير النهج التقليدي إلى أن الفرق الأرضية ترصد مسارات القياس عن بعد على مدار الساعة، بينما يقارن المهندسون البيانات الواردة بالقصور المميزة عن طريق أجهزة الاستطلاع اليدوية.

فالبعثات الفضائية أصبحت أكثر تعقيداً وعديداً، إذ إن برمجيات مئات أو آلاف السواتل الصغيرة تتطلب إدارة صحية آلية، لأنه لا يوجد ببساطة عدد كاف من المشغلين البشريين لرصد كل مركبة بمفردها، وفي غضون ذلك، يجب أن تعمل المسبارات الفضائية العميقة بقدر أكبر من الاستقلالية، حيث أنها تقطع بعيداً عن الأرض، ولا يؤدي إخفاق نظام حرج مثل عجلة الرد أو الدفع أو جهاز كشف الحطام إلى تحويل مسار البعثة إلى عدة ثواني.

تقنيات التعلم الأساسية للمركبات الفضائية

ويوفر التعلم في مجال الآلات مجموعة من التقنيات التي يمكن تكييفها مع القيود الفريدة التي تفرضها النظم الفضائية ويتوقف اختيار الخوارزمية على طبيعة البيانات (السلسلة الزمنية، والصور، والتقدير عن بعد)، وتوافر بيانات التدريب المسمّاة، والموارد الحاسوبية الموجودة، كما أن هذه الأساليب هي أكثر الطرق استخداما في الكشف عن هووم المركبات الفضائية.

التعليم الإشرافي: التصنيف والتراجع

وعندما تتضمن القياسات التاريخية عن بعد أمثلة على السلوك الاسمي والسلوك الشاذ، يمكن تدريب نماذج التعلم الخاضعة للإشراف على تصنيف نقاط البيانات الجديدة، وتشمل الخوارزميات المشتركة آلات ناقلات الدعم والغابات العشوائية والشبكات العصبية العميقة، فعلى سبيل المثال، يمكن تدريب شبكة جديدة على آلاف ساعات القياس عن بعد المتحرك للعلامات غير العادية التي تسبق حدوث الإخفاقات.

التعلم غير المشرف: التجمُّع والتأهل

وقد استندت معظم أجهزة الكشف عن الشذوذ في المركبات الفضائية إلى التعلم غير المشرف، وهو ما لا يتطلب أمثلة مسمّاة، إذ إن الخوارزميات التجميعية مثل الكميونات أو مجموعة الدي بي سيان قد شهدت نجاحا في إجراء عمليات القياس عن بعد، كما أن نقاطا جديدة بعيدة عن أي مجموعة تعتبر من الشواذ، وأكثر قوة هي شبكات الكيمياء الآلية - نوع من نماذج التعلم العميق غير الموصّفة.

Semi-Supervised and One-Clas Learning

وفي كثير من سيناريوهات العالم الحقيقي، توجد لدى المهندسين بيانات وفرة من العمليات الاسمية ولكن القليل من الشذوذ المسموم أو لا توجد به، وتصمم الخوارزميات التصنيفية من فئة واحدة، مثل واحدة من الكلاسات SVM أو غابة عزل، خصيصا لهذه الحالة، وتتعلم الحدود حول البيانات الاسمية وتصنف أي شيء خارج الحدود كخطأ غير سام، وتُعتبر هذه الأساليب شائعة في رصد الصحة بواسطة السواتل.

نماذج محددة للزمن

كما أن قياسات الاتصالات عن بعد المركبات الفضائية هي بطبيعتها متتابعة، كما أن شبكات الأشعة العصبية المتكررة، وشبكات الذاكرة القصيرة الأجل الطويلة الأجل، والنماذج القائمة على المحولات، مصممة لالتقاط المعالينات الزمنية، ويمكن أن تنبأ الإدارة القائمة على الترددات العالية بالقيمة المتوقعة التالية لقراءة الاستشعار استنادا إلى التاريخ الحديث؛ وإذا انحرفت القراءة الفعلية إلى ما يتجاوز عتبة الكشف، فإن نماذج الصيانة غير قابلة للتنويم.

الاستراتيجيات التي تعتمدها منظمة العفو الدولية

ولا يُعتبر الكشف عن حالة شاذة سوى نصف المعركة، فالقيمة الحقيقية للمنشطات الفضائية تكمن في قدرتها على إطلاق استجابة سريعة ومناسبة، ويمكن تصنيف استراتيجيات الاستجابة إلى ثلاثة مستويات من الاستقلال الذاتي: الاستشاري، شبه المستقل، والاستقلال الكامل.

الردود الاستشارية

ويُنبه نظام المعلومات الإدارية، في شكل استشاري، إلى وجود قائمة أولويات بالمسائل المحتملة والإجراءات الموصى بها، مما يقلل من الحمولة المعرفية على العاملين في مجال الأعمال البشرية ويساعدهم على التركيز على أهم حالات الشذوذ أولاً، ويظل قرار العمل مع الفريق الأرضي، وهذا النموذج شائع على السواتل المدارة للأرض حيث يمكن الاتصال بأجهزة منخفضة التردد.

الردود شبه المستقلة

في الحالات الحرجة من الزمن حيث ينتظر تأكيد الأرض سيكون كارثياً، يمكن أن يؤذن للنظم بأن تتخذ إجراءات معتمدة مسبقاً بشكل مستقل بينما تخطر السيطرة الأرضية، ومن الأمثلة على ذلك التحول إلى جهاز استشعار احتياطي، وتعديل معايير التحكم في المواقف، أو إعطاء حمولة غير أساسية لحفظ الطاقة.

الاستجابة المستقلة الكاملة

وفي سيناريوهات الفضاء العميق أو المخاطر العالية، قد يكون الاستقلال الذاتي الكامل هو الخيار العملي الوحيد، إذ تقوم المركبة الفضائية باستمرار بتقييم حالتها وتنفذ إجراءات تصحيحية دون أي مشاركة بشرية، ويتطلب هذا المستوى من الاستقلالية برامجيات قوية متسامحة، ومكتبات شاملة للاستجابة للأوضاع الشاذة، والقدرة على التكيف مع الظروف غير المتوقعة، وقد أظهرت Space Dragon ، كبسولة،

تعزيز التعلم من أجل الاستجابة الدينامية

ويستكشف البحث المستجد مسألة التعلّم في مجال تعزيزات الاستجابة الشاذة، فبدلا من القواعد التي تم تحديدها بدقة، يتعلم عامل من شركة RL سياسات الاسترداد المثلى من خلال المحاكاة، فعلى سبيل المثال، إذا فقدت مركبة فضائية عجلة رد فعل، فقد يتعلم الوكيل إعادة توزيع سلطة التحكم على العجلات والقاذفات المتبقية بأكثر الطرق كفاءة، ويتيح القانون الإقليمي إمكانية معالجة السيناريوهات المعقدة والمتعددة الافتراضات التي من شأنها أن تتقدم على نحو شبه المستحيل.

Case Study: AI on the Mars Perseverance Rover

(مُهمة (ناسا (المُثابرة التي سقطت في (جيزرو كرار في فبراير 2021، هي بمثابة مثال رئيسي لـ (آي إي) لكشف الشذوذ والاستجابة المستقلة، إنّ نظام التفريغ ((((أوتوناف))(الذى يُستخدم رؤية حاسوبية وتعلم آلي لتخطيط مسارات قيادة آمنة عبر التضاريس العصيبة، بينما يتجنب الصخور والمنحدرات السابقة و التحذيرات

لاكتشاف الشذوذ على متن الطائرة، نظام رصد الصحة والنشاط يحفز على تعلم الآلات لتحليل مئات البارامترات عن بعد، وإذا تم اكتشاف حالة شاذة مثل ارتفاع درجة الحرارة غير المتوقعة في سيارة أو لوحة سحب غير عادية يمكن أن يوقف عمليات الأرض، ويدخل في حالة مختصرة، وينقل القدرة على

كما يحمل المثابرة أداة MOXIE ، التي تنتج الأكسجين من ثاني أكسيد الكربون المريخي، وترصد عملياتها نماذج للتعلم الآلي التي تنبئ بتدهور الأداء وتكيفها بشكل مستقل للحفاظ على الكفاءة، وتوضح هذه الأمثلة كيف لم تعد شركة AI و ML إضافات تجريبية ولكنها جزء لا يتجزأ من هيكل البعثة.

تحديات نشر المعلوماتية عن المركبات الفضائية

وعلى الرغم من الفوائد الواضحة، فإن إدماج مادة AI و ML في المركبات الفضائية يمثل تحديات هندسية وتشغيلية كبيرة، وأكثرها إلحاحا هي القيود الحاسوبية، ونوعية البيانات، والتحقق من النماذج، والآثار الإشعاعية.

حدود المعدات

(أ) المجهزات ذات الكفاءات الفضائية تتخلف كثيراً عن النظراء التجاريين في الأداء: يجب أن تكون نماذج التعلم العميق على هذه المعدات ذات الصبغة الحسنة: الشبكات الكمية، والتعقيدات المنخفضة، والهياكل المتخصصة مثل [ميزانيات النموذج الإلكتروني التالي: TFLT]

نوعية البيانات وتوزيع التدريب

ولا تصلح نماذج الكشف عن الشذوذ إلا بقدر ما تكون البيانات التي يتم تدريبها عليها، وكثيرا ما تتضمن القياس عن بعد للمركبات الفضائية الضجيج، والتسرب، وأخطاء المعايرة التي يمكن أن تضلل النماذج، وعلاوة على ذلك، فإن توزيع البيانات أثناء التدريب قد لا يضاهي التوزيع الذي يصادف في الرحلات الجوية بسبب المكونات القديمة، أو أساليب التشغيل الجديدة، أو البيئات غير المتوقعة، ويجب أن تكون النماذج قوية لتدبير التحولات والانج المفاهيم.

التقييم النموذجي والتصديق

وتحتاج بعثات الفضاء إلى درجة عالية من الموثوقية، وتثبت أن نموذج AI لن ينتج سلبيات كارثية أو إيجابية كاذبة أمر صعب، خاصة بالنسبة للشبكات العصبية العميقة التي تفتقر إلى الضمانات الرسمية، وهيئات التصديق مثل شعبة الهندسة البرمجية ، و

آثار الإشعاع والاعتماد عليه

إن الاضطرابات التي تحدثها الأشعة الكونية والجسيمات الشمسية يمكن أن تفسد الذاكرة أو تقلب الأوزان النموذجية أو تسبب المجهزين في تنفيذ التعليمات غير الصحيحة، ويجب أن تكون الخوارزميات المكلورة لمواجهة هذه الأخطاء، وغالبا ما تكون هذه التجاوزات (التصويت الثلاثي)، أو التفتيش، أو آليات الإشعاع الذاتي.

تجهيز الحاسوب والتجهيز على متن السفينة

A[FUST] AI) هو الانتقال إلى الحوسبة: تجهيز البيانات التي يتم جمعها بدلا من إرسالها إلى السحابة (أو إلى محطات أرضية) ويعني هذا بالنسبة لسواتل رصد الأرض تشغيل نماذج ML على متنها إلى الرش أو الضغط أو حتى تحليل الصور في الوقت الحقيقي، ولا يحيل إلا النتائج الأكثر صلة بالموضوع.

ويقلل التجهيز الجاري من درجة الحرارة من دقائق إلى ثانية، مما يتيح الاستجابة في الوقت الحقيقي لحالة الشذوذ، كما يتيح أيضا مفاهيم جديدة للبعثات، مثل أسوار السواتل الصغيرة التي تتعاون في رصد الأرض أو الكواكب الأخرى، وكل ساتل يدير شركة AI المحلية لكشف الشذوذات ويمكنه تبادل النتائج مع الجيران، وتشكيل شبكة ذكية موزعة، وهذا النموذج يتحول من عمليات استكشاف الفضاء الأرضية إلى اللغة الميكانيكية الأساسية.

التوقعات المستقبلية: AI في مجال إدارة الفضاء والوصلات العميقة

وفي المستقبل، ستصبح منظمة العفو الدولية وحركة التحرير أكثر ترابطا في النظم الفضائية، وهناك تطورات عديدة في الأفق.

عمليات التوليد وإعادة التأهيل الذاتي

وسيتطلب التجميع الفضائي وإزالة الحطام وإعادة الوقود المداري من المركبات الفضائية أن تقترب وترفرف مع الأجسام الأخرى بصورة مستقلة. وستكتشف نظم الرؤية في منطقة آي أهدافاً وتتعقبها، بينما تقوم الخوارزميات التي تُخطط للمناورات الخالية من الاصطدام.

نماذج متجانسة لتحكيم الشذوذ

ومن بين الاختناقات الرئيسية للكشف عن الشذوذ تحت إشراف عدم وجود بيانات عن الفشل، ويمكن للشبكات الداعمة للخصائص الآلية المختلفة أن توحد سيناريوهات شاذة واقعية للتدريب، ويمكن للمهندسين استخدام هذه الأخطاء الاصطناعية لاختبار خوارزميات الاستجابة ونظم الصعاب ضد ظروف نادرة وخطرة.

التكامل مع التوائم الرقمية

يمكن لـ (إي) مقارنة سلوك التوأم الرقمي بالقراءة الحساسية للكشف عن أوجه التناقض التي تشير إلى وجود أوجه شاذة، وتطبق مبادرة وكالة الفضاء الأوروبية () (Digital Twin Earth)

نماذج اللغات الكبيرة لعمليات البعثة

ويجري حالياً التحقيق في نماذج اللغات الكبيرة مثل GPT-4 لمقدمي المساعدة، ويمكنهم تلخيص القياس عن بعد، وإعداد تقارير عن حالة شاذة، بل واقتراح إجراءات للاسترداد تستند إلى الوثائق التاريخية، وفي حين أن تدابير الإدارة المحلية لن تسافر على متن الطائرة بسبب الحجم، فإنها يمكن أن تكون مساعدين ذكاء في مراكز مراقبة البعثات، مما يؤدي إلى تحسين سرعة ودقة صنع القرار البشري.

Constrained Autonomous Constellations

أما بالنسبة للسواتل الضخمة مثل ستارلينك أو شبكات رصد الأرض في المستقبل، فسوف تدير منظمة العفو الدولية آلاف السواتل في وقت واحد، كما أن الكشف عن هذه المواد على مستوى الوصلات يقارن كل ساتل بأجهزة النظير التابعة لها، يمكن أن يحدد أنماط التحلل دون المستوى قبل أن تصبح حاسمة، ويمكن أن تعوض عمليات التشغيل الآلي وتعديلات المدار عن الوحدات الفاشلة، مع الحفاظ على أداء النظام عموما.

خاتمة

وقد انتقلت عملية التعلم بواسطة الأجهزة الفضائية والآلات من روايات تجريبية إلى أدوات لا غنى عنها للكشف عن الشذوذ في المركبات الفضائية والتصدي له، وهي تتيح التعرف بصورة أسرع وأكثر دقة على حالات الفشل، وتيسر إجراءات الاسترداد الذاتي، وتسمح للبعثات بالعمل في بيئات لا يكون فيها الإشراف على الإنسان غير عملي، ومن المريخ الذي يبحر في تضاريس السفن إلى اتحادات السواتل التي تدير صحتها، تظل البيانات النموذجية ذات جودة فضائية كبيرة.