20210409 2
วันที่ 4 เม.ย.64 อวกาศยาน Crew Dragon ได้ออกจากท่าเชื่อมต่อของสถานีอวกาศนานาชาติ (International Space Station, ISS) จากที่หนึ่งสู่ที่หนึ่งเนื่องจากได้เข้าสู่ช่วงเดือนที่วุ่นวายของการเดินทางเข้าออกของสถานีอวกาศนานาชาติ
 
            อวกาศยาน Crew Dragon ได้ปลดการเชื่อมต่อออกจากท่าของโมดูล Harmony ของสถานีเมื่อเวลา 20.30 น. ของวันที่ 4 เม.ย. (ตามเวลาประเทศไทย) พร้อมกับนักบินอวกาศ 4 คน ได้เคลื่อนออกจากสถานี 60 เมตร และได้ย้ายตำแหน่งไปเชื่อมต่อกับท่าของโมดูล Zenith และสำเร็จเวลา 21.08 น เป็นครั้งแรกในการควบคุมเปลี่ยนตำแหน่งท่า (Port-relocation maneuver) ของสถานีอวกาศนานาชาติ ที่ทำโดยอวกาศยานพาณิชย์ได้ออกแบบลักษณะการเคลื่อนไหวและท่าทางของอวกาศยานมีความซับซ้อน การเคลื่อนที่ครั้งนี้จะมีประโยชน์ในการเชื่อมต่อสู่ท่าในภารกิจ Crew 2
 

            อวกาศยาน Dragon Crew จะกลับสู่โลกภายในสิ้นเดือนนี้ และจะทำภารกิจบรรทุกสัมภาระในเดือน มิ.ย. โดยอวกาศยานจะเข้าเชื่อมต่อกับท่าของโมดูล Zenith ซึ่งจะมีแขนกลติดกับท่าใช้สำหรับเอาอุปรณ์ออกจากส่วนลำตัวของอวกาศยานได้ ซึ่งไม่สามารถทำได้ในโมดูล Harmony

 

            สิ่งที่เกิดขึ้นทำให้สถานีอวกาศนานาชาติสามารถรับรองคนได้ 7 คนในครั้งเดียว โดยรวมถึงนักบินอวกาศจาก NASA 4 คนและจาก JAXA 1 คน ทำให้มีขีดความสามารถเพิ่มขึ้นในการเดินอวกาศ (Spacewalks) ซึ่งสามารถเพิ่มจำนวนนักบินอวกาศในการเดินอวกาศได้

 

            หลังจากภารกิจนี้ในวันที่ 9 เม.ย. จะมีการส่งนักบินอวกาศรัสเซีย Oleg Novitsky และ Pyotr Dubrov รวมถึงนักบินอวกาศของ NASA Mark Vander Hei ด้วยอวกาศยาน Soyuz MS-18 เดินทางสู่ ISS และในวันที่ 17 เม.ย. นักบินอวกาศ Rubins จาก NASA นักบินอวกาศรัสเซีย Sergey Ryzhikov and Sergey Kud-Sverchkov จะกลับสู่โลกด้วยอวกาศยาน Soyuz MS-17

 

ที่มาภาพและข่าว: https://spacenews.com/crew-dragon-moves-to-new-docking-port-at-iss/

เรียบเรียงและแปล เรืออากาศตรี กันต์ จุลทะกาญจน์

ภาพรวม

          การสำรวจอวกาศเป็นที่สนใจของนักวิทยาศาสตร์และรัฐบาลทั่วโลกมาโดยตลอดเนื่องจากถือเป็นกุญแจสำคัญในการกำเนิดมนุษยชาติและสิ่งมหัศจรรย์ที่น่าอัศจรรย์มากมายของจักรวาลรวมถึงความเป็นไปได้ของสิ่งมีชีวิตต่างดาว จักรวาลที่มองเห็นได้แสดงถึงส่วนต่างๆของอวกาศที่เราสามารถมองเห็นได้โดยใช้กล้องโทรทรรศน์ กระนั้นนักวิทยาศาสตร์และนักสำรวจเชื่อว่าเอกภพอาจมีขนาดใหญ่กว่านั้น

         จนถึงปัจจุบันนักวิทยาศาสตร์ได้สำรวจจักรวาลที่มองเห็นได้เพียง ๔ % ซึ่งประกอบด้วยดาวเคราะห์ดวงดาวกาแลคซีและวัตถุทางดาราศาสตร์อื่น ๆ ที่นักดาราศาสตร์และนักวิทยาศาสตร์สามารถมองเห็นและรับรู้ได้ ส่วนที่เหลือ ๙๖ % ยังไม่ได้รับการสำรวจ

 

การทำความเข้าใจปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง

          Artificial Intelligence หรือคำที่สั้นและเย็นกว่า AI หมายถึงการจำลองความฉลาดของมนุษย์ในเครื่องจักรที่ถูกตั้งโปรแกรมให้คิดเหมือนมนุษย์และเลียนแบบการกระทำของพวกมัน คำนี้อาจใช้กับเครื่องจักรใด ๆ ที่แสดงลักษณะที่เกี่ยวข้องกับจิตใจมนุษย์เช่นการเรียนรู้และการแก้ปัญหา

การเรียนรู้ของเครื่องเป็นสาขาเฉพาะในโดเมน AI ที่เกี่ยวข้องกับเครื่องฝึกอบรมเพื่อพัฒนาความฉลาดที่สามารถช่วยให้พวกเขาทำงานที่ซับซ้อนได้โดยใช้ความฉลาดของพวกเขา อัลกอริทึมการเรียนรู้ของเครื่องใช้ข้อมูลจำนวนมากเพื่อช่วยให้เครื่องจักรคุ้นเคยกับสถานการณ์ต่างๆที่พวกเขาเผชิญได้ ช่วยให้เครื่องจักรเรียนรู้จากประสบการณ์การฝึกอบรมและนำไปใช้ในสถานการณ์จริง

 

AI / ML ในการสำรวจอวกาศ

ตอนนี้ถ้าเราจะรวมแนวคิดของคำศัพท์ขนาดใหญ่สองคำนี้คือ AI และการสำรวจอวกาศโดยคำนึงถึงพัฒนาการล่าสุดในด้านการเรียนรู้ของเครื่องและปัญญาประดิษฐ์ลองนึกดูว่าจะง่ายแค่ไหนสำหรับนักวิทยาศาสตร์และนักสำรวจที่จะบรรลุเป้าหมายและ มันจะส่งผลต่อชีวิตของเราอย่างไร

ให้เรารวบรวมแนวคิดทั้งสองนี้และดูว่าได้ทำอะไรไปแล้วเกิดอะไรขึ้นและสามารถทำอะไรได้อีก

 

๑. ภาพแรกของหลุมดำ

20210307 1

Balck Hole (ที่มา: National Geographic)

 

          เราได้ภาพหลุมดำแรกของเราโดยใช้อัลกอริทึม CHIRP (การสร้างภาพความละเอียดสูงอย่างต่อเนื่องโดยใช้ Patch Priors) CHIRP เป็นอัลกอริทึมแบบเบย์ที่ใช้ในการถอดรหัสภาพที่สร้างขึ้นในดาราศาสตร์วิทยุ การพัฒนา CHIRP เกี่ยวข้องกับทีมนักวิจัยจำนวนมากจากวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ของ MIT CHIRP ใช้ข้อมูลภาพจากกล้องโทรทรรศน์ Event Horizon ซึ่งมีขนาดใหญ่เกินไปและนี่คือจุดที่ต้องดำเนินการประมวลผลภาพ นักวิทยาศาสตร์ใช้ Numpy แพนด้าและไลบรารี Python อื่น ๆ เพื่อลดขนาดข้อมูลความสัมพันธ์ของข้อมูลและการสอบเทียบ ML ยังใช้ในการวิเคราะห์ภาพ

          ตรวจสอบลิงค์นี้เพื่อดูรายละเอียดเพิ่มเติม - https://numpy.org/case-studies/blackhole-image/

          ตอนนี้เรามีภาพแรกของหลุมดำแล้วนักวิทยาศาสตร์และนักวิจัยกำลังพยายามหาภาพหลุมดำที่แม่นยำยิ่งขึ้น ในการทำเช่นนั้นพวกเขาสร้างอัลกอริทึมที่ซับซ้อนขึ้นซึ่งจะใช้ Machine Learning และปัญญาประดิษฐ์มากขึ้น

โปรดทราบว่าเรายังไม่รู้จักวัตถุจำนวนมากในห้วงอวกาศดังนั้นการใช้ Machine Learning และ Deep Learning จะช่วยเราในการจำแนกประเภทของวัตถุและการวิจัยเหล่านี้ในอนาคตอาจนำไปสู่การระบุวัตถุใหม่ ๆ มากขึ้นและด้วยเหตุนี้จึงช่วยให้นักวิทยาศาสตร์ และนักสำรวจในการสำรวจอวกาศ

 

๒. ผู้ช่วยและหุ่นยนต์ที่ใช้ AI

20210307 2

กรณีจากภาพยนต์เรื่อง “Interstellar”

 

          ชื่อ TARS และ CASE ส่งเสียงระฆังหรือไม่? ใช่ฉันกำลังพูดถึงหุ่นยนต์จากภาพยนตร์ชื่อดังเรื่อง 'Interstellar' (และในกรณีที่คุณยังไม่ได้ดูฉันขอแนะนำให้คุณทำ) หากคุณจำบทบาทของ TARS และ CASE ในภาพยนตร์ได้ลองนึกดูว่าจะมีประโยชน์อย่างไรในการช่วยเหลือนักบินอวกาศในชีวิตจริง

          นักวิทยาศาสตร์กำลังพัฒนาผู้ช่วยที่ใช้ AI เพื่อช่วยนักบินอวกาศในการปฏิบัติภารกิจไปยังดวงจันทร์ดาวอังคารและอื่น ๆ ผู้ช่วยเหล่านี้ได้รับการออกแบบมาเพื่อทำความเข้าใจและคาดการณ์ความต้องการของลูกเรือและเข้าใจอารมณ์และสุขภาพจิตของนักบินอวกาศและดำเนินการที่จำเป็นในกรณีฉุกเฉิน ตอนนี้พวกเขาทำอย่างไร? คำตอบคือการวิเคราะห์ความรู้สึก การวิเคราะห์ความรู้สึก (หรือที่เรียกว่าการขุดความคิดเห็นหรือ AI ทางอารมณ์) เป็นฟิลด์ย่อยของ NLP (การประมวลผลภาษาธรรมชาติ) ที่พยายามระบุและดึงความคิดเห็นภายในข้อความที่กำหนดในบล็อกบทวิจารณ์โซเชียลมีเดียฟอรัมข่าว ฯลฯ

          ในทางกลับกันหุ่นยนต์สามารถมีประโยชน์มากขึ้นเมื่อพูดถึงผู้ช่วยทางกายภาพเช่นการช่วยในการขับยานอวกาศการเชื่อมต่อยานอวกาศและการจัดการกับสภาวะที่รุนแรงที่ไม่ปลอดภัยต่อมนุษย์ ส่วนใหญ่อาจฟังดูเป็นเรื่องสมมุติ แต่มันจะช่วยนักบินอวกาศได้มาก

 

๓. ระบบนำทางอัจฉริยะ

20210307 3

โมเดล ๓ มิติของดวงจันทร์ (ที่มา : Nasa)

 

          ในปี พ.ศ.๒๕๖๑ NASA ด้วยความช่วยเหลือของ Intel ได้พัฒนาระบบ AI ที่ช่วยให้นักบินอวกาศค้นหาเส้นทางบนดาวเคราะห์ ระบบนำทางแบบใหม่นี้จะช่วยให้สามารถสำรวจพื้นผิวของดาวเคราะห์ได้อย่างง่ายดายผ่านเส้นทางที่สั้นที่สุดเท่าที่จะเป็นไปได้ นักวิทยาศาสตร์ใช้โปรแกรมนี้กับดวงจันทร์ของเราและวิธีการทำงานของระบบนี้คือการจำลองพื้นผิวดวงจันทร์แล้วเปรียบเทียบสิ่งเดียวกันกับสภาพแวดล้อมในท้องถิ่น AI จะได้รับการฝึกฝนกับภาพดวงจันทร์นับล้านจากนั้นใช้เครือข่ายประสาทเทียมเพื่อสร้างแผนที่ของดวงจันทร์เสมือนจริง จากนั้นอัลกอริทึมเดียวกันนี้ก็ถูกนำไปใช้กับโครงการสำรวจดาวอังคาร

 

๔. การค้นพบดาวเคราะห์นอกระบบเคปเลอร์

20210307 4

Kepler 90i (แหล่งข่าว: Australian Broadcasting Corporation)

 

          กล้องโทรทรรศน์เคปเลอร์ของนาซ่าได้รับการออกแบบมาเพื่อกำหนดความถี่ของดาวเคราะห์ขนาดเท่าโลกที่โคจรรอบดาวฤกษ์คล้ายดวงอาทิตย์ แต่ดาวเคราะห์เหล่านี้อยู่ในขอบเขตของความไวในการตรวจจับของภารกิจ การกำหนดอัตราการเกิดของดาวเคราะห์เหล่านี้อย่างแม่นยำ จำเป็นต้องมีการประเมินโดยอัตโนมัติและแม่นยำว่าผู้สมัครแต่ละคนจะเป็นดาวเคราะห์แม้ในอัตราส่วนสัญญาณต่อสัญญาณรบกวนต่ำ

          เพื่อเอาชนะข้อ จำกัด นี้นักวิจัยจาก Google และนักวิทยาศาสตร์คนอื่น ๆ ได้ใช้ Convolutional Neural Network ชื่อ AstroNet K2 เพื่อทำนายว่าสัญญาณที่ได้รับจากกล้องโทรทรรศน์อวกาศของ Kepler เป็นดาวเคราะห์นอกระบบเคลื่อนที่หรือเป็นผลบวกลวงที่เกิดจากปรากฏการณ์ทางฟิสิกส์หรือเครื่องมือ ด้วยการฝึกแบบจำลองเครือข่ายประสาทเทียมนี้ถึง ๙๘ (โดยประมาณ) เปอร์เซ็นต์ พวกเขาสามารถระบุดาวเคราะห์นอกระบบใหม่สองดวงได้สำเร็จคือเคปเลอร์ ๘๐ กรัมและเคปเลอร์ ๙๐i ที่โคจรรอบระบบดาวเคปเลอร์ ๘๐ และระบบดาวเคปเลอร์ ๙๐ ตามลำดับ

 

๕. การแก้ปัญหาขยะอวกาศ

20210307 5

เศษซากขยะอวกาศรอบโลก (ที่มา : NASA)

 

          เคยคิดเกี่ยวกับสิ่งที่เกิดขึ้นกับดาวเทียมและยานอวกาศที่ถูกส่งไปยังอวกาศและไม่ส่งกลับมายังโลก
อีกทั้งสิ่งเหล่านั้นก็กลายเป็นเรือสำเภาในอวกาศ Space Debris หรือขยะอวกาศ คือ ชิ้นส่วนของเครื่องจักรหรือเศษเล็กเศษน้อยที่มนุษย์ทิ้งไว้ในอวกาศ สามารถอ้างถึงวัตถุขนาดใหญ่ เช่นดาวเทียมหมดอายุ ที่ล้มเหลวหรือถูกทิ้งไว้ในวงโคจรเมื่อสิ้นสุดภารกิจ

          ภาพที่คุณเห็นด้านบนเผยแพร่ในปี ๒๕๕๖ โดย NASA ซึ่งแสดงให้เห็นจำนวนขยะอวกาศที่เรามีย้อนกลับไปในปี ๒๕๕๖ ปัญหาเกี่ยวกับขยะอวกาศได้มาถึงจุดวิกฤตเนื่องจากนักวิทยาศาสตร์และนักวิจัยยังคงส่งดาวเทียมขึ้นสู่อวกาศ กลับ. มีชิ้นส่วนที่มนุษย์สร้างขึ้นมากกว่า ๒๓,๐๐๐ ชิ้นในอวกาศที่มีขนาดใหญ่กว่า ๔ นิ้วและอนุภาคขนาดเล็กมากกว่า ๕๐๐,๐๐๐ ชิ้น ความกังวลที่แท้จริงเกี่ยวกับเศษซากอวกาศเหล่านี้คือเมื่อพวกมันชนกับดาวเทียมหรือยานอวกาศพวกมันจะทิ้งรอยบุ๋มไว้บนร่างกายซึ่งบางครั้งก็กลายเป็นสาเหตุหลักของอุบัติเหตุในอวกาศ

          เพื่อเอาชนะปัญหานี้นักวิทยาศาสตร์กำลังใช้การเรียนรู้เชิงลึกเพื่อเพิ่มความแม่นยำของเทคโนโลยีเลเซอร์ที่ใช้กันทั่วไป พวกเขาใช้แบบจำลองเครือข่ายประสาทเทียมแบบย้อนกลับเพื่อระบุตำแหน่งของเศษซาก นอกจากนี้ยังกล่าวอีกว่าหลังจากปรับปรุงความแม่นยำในการชี้ของกล้องโทรทรรศน์ด้วยเทคนิคการเรียนรู้เชิงลึกแล้วสามารถระบุเศษซากอวกาศที่มีพื้นที่หน้าตัด ๑ เมตรกำลังสองและระยะทาง ๑,๕๐๐ กิโลเมตรได้อย่างแม่นยำ

          มีงานวิจัยอื่น ๆ อีกมากมายที่เกี่ยวกับการนำปัญญาประดิษฐ์มาใช้ในการสำรวจอวกาศ แม้ว่าจะเหมือนกับแอปพลิเคชันอื่น ๆ ของ AI แต่ไม่มีสิ่งใดที่จะปลอดภัยและเป็นรูปธรรมได้ ในตอนท้ายของวันเราต้องการการแทรกแซงของมนุษย์ในทุกสิ่งที่ AI สามารถทำได้ ด้วยนวัตกรรมแต่ละอย่าง AI กำลังเข้ามาใกล้เพื่อให้ข้อมูลเชิงลึกที่ใหม่กว่าและพิสูจน์ได้ว่าเป็นข้อได้เปรียบสำหรับมนุษย์ในการสำรวจอวกาศระหว่างดวงดาวด้วยเครื่องจักรนวัตกรรมและโครงการและการวิจัย

 

ที่มา : https://www.analyticsvidhya.com/blog/2021/01/artificial-intelligence-in-space-exploration/

ผู้แปลและเรียบเรียง : เรืออากาศเอกยุทธนา สุพรรณกลาง

20210402 1

นักบินอวกาศ Wang Yaping พูดในเวทีหนึ่งที่จัดในปี 2017 (เครดิต : K.Y.Cheng)

 
            นักบินอวกาศจีนกำลังกำลังตรากตรำกับการฝึกที่เข้มข้นสำหรับภารกิจที่มีคนไปด้วยในการสร้างสถานีอวกาศของชาติแห่งใหม่ ซึ่งงานนี้คาดว่าจะเริ่มในอีก 2-3 เดือนข้างหน้า
 
            ณ China’s coastal launch center เมือง Wenchang ทีมงานกำลังเตรียมจรวด Long March 5 ขนาดมหึมาที่จะใช้นำส่งสามโมดูลแรกของสถานีอวกาศจีน (Chinese Space Station : CSS) ในขณะที่นักบินอวกาศกำลังทำการฝึกสำหรับสี่ภารกิจแรกในการไปเยือนยังโมดูลเหล่านั้น China Manned Space Agency (CMSA) พูดในกรุงปักกิ่ง การฝึกนี้รวมถึงการฝึกใต้น้ำด้วยชุดที่ออกแบบพิเศษสำหรับนักบินอวกาศ (Space Suit) ใน CSS จำลองขนาดเท่าของจริง นอกจากนี้จีนกำลังเตรียมจรวด Long March 2F เพื่อจะนำส่ง Shenzhou 12 ภารกิจไปยังโมดูลของสถานีอวกาศจีนภารกิจแรก จาก Jiuquan Launch Site ในทะเลทรายโกบี
 
            จีนยังไม่เปิดเผย Timeline สำหรับ ภารกิจที่เกี่ยวกับการสร้างสถานีอวกาศในครั้งนี้ ถึงแม้จะมีการนำส่งถึง 11 ครั้งสำหรับโครงการนี้ที่วางแผนไว้สำหรับปี 2021 และ 2022 โมดูลหลักมีชื่อว่า “Tianhe” หมายถึง การประสานเสียงของสวรรค์ (Harmony of the Heavens) คาดหวังว่าจะนำส่งจาก Wenchang ในเดือนเมษายนด้วยจรวด Long March 5
 
            Tianzhou 2 อวกาศยานบรรทุกสินค้าและเติมเชื้อเพลิง (Cargo and Refuelling Spacecraft) จะไปทำการเทียบท่า (Docking) กับ Tianhe ที่มีขนาดความยาว 59 ฟุต 24 ตัน ในวงโคจรรอบโลกระดับต่ำ (Low Earth Orbit) หลังจากนั้น Shenzhou 12 จะทำการนำส่งลูกเรือคนแรกไปยังสถานีอวกาศนี้ โดยสองภารกิจที่กล่าวมานี้สามรถเกิดขึ้นก่อนกลางปี
 
แปลและเรียบเรียงโดย : น.ต.ชาคริต จันทมิตร
ที่มา : https://www.space.com/china-space-station-astronaut-training

            ผู้โดยสารบนเครื่องบินจะสามารถสื่อสารกับบุคคลที่อยู่บนพื้นโลกด้วยการสื่อสารด้วยระบบเลเซอร์ ซึ่งปัจจุบันอยู่ในการวิจัยและพัฒนาร่วมกันระหว่างบริษัทผู้ผลิตดาวเทียมอย่าง แอร์บัส (Airbus) และองค์การเพื่อการวิจัยทางวิทยาศาสตร์ประยุกต์แห่งเนเธอร์แลนด์ (TNO) โดยการพัฒนาดังกล่าวเป็นส่วนหนึ่งของโครงการการพัฒนาเทคโนโลยีการสื่อสารที่ปลอดภัยด้วยระบบเลเซอร์ขององค์การอวกาศยุโรป (ESA) ภายใต้ชื่อ “ScyLight”

 
20210409 1

การใช้งานอินเทอร์เน็ตบนเครื่องบิน (แหล่งที่มา : The European Space Agency)

 

            การสื่อสารด้วยระบบเลเซอร์นั้น นอกจากจะทำให้การรับส่งข้อมูลมีอัตราที่รวดเร็วแล้ว ยังมีความปลอดภัย มีความยืดหยุ่นและเมื่อเปรียบเทียบกับคลื่นวิทยุที่ใช้กันอยู่ในปัจจุบันนั้น การส่งข้อมูลด้วยระบบเลเซอร์จะถูกจารกรรมและรบกวนสัญญาณได้ยากกว่าเพราะมีขนาดความกว้างของสัญญาณที่น้อยกว่ามาก โดยมีการคาดการณ์ว่าบริษัทแอร์บัสและผู้ร่วมพัฒนาจะทำการออกแบบ ก่อสร้างและทดสอบสถานีรับส่งสัญญาณภายในห้องทดลองได้ในช่วงปลายปีค.ศ.2021 และในปีถัดมาระบบสื่อสารรูปแบบนี้ซึ่งใช้ชื่อว่า “UltraAir” จะถูกติดตั้งที่สถานีรับส่งสัญญาณของ ESA ซึ่งตั้งอยู่บนเกาะเทเนรีฟ ประเทศสเปน เพื่อทำการทดสอบการรับส่งข้อมูลกับตัวรับส่งสัญญาณของดาวเทียมสื่อสาร Alphasat ซึ่งอยู่โคจรอยู่ห่างโลกออกไปประมาณ 36,000 กิโลเมตร หรือบริเวณวงโคจรค้างฟ้า และภายในช่วงกลางปีค.ศ. 2022 ระบบ UltraAir จะถูกนำมาติดตั้งกับเครื่องบินเพื่อทำการทดสอบ

 

            การพัฒนาเทคโนโลยีระบบ UltraAir นี้เป็นการปูทางไปสู่ระบบการรับส่งข้อมูลความเร็วสูงในอัตราหลายกิกะไบต์ภายในหนึ่งวินาที และในขณะเดียวกันยังสามารถป้องกันการจรกรรมข้อมูล ตลอดจนการรบกวนสัญญาณคลื่นได้อีกด้วย โดยในระยะยาวนั้นระบบ UltraAir จะทำให้ผู้โดยสารบนเครื่องบินสามารถเข้าถึงการใช้งานอินเทอร์เน็ตความเร็วสูงผ่านระบบที่เรียกว่า EDRS (European Data Relay System) หรือที่รู้จักกันในชื่อ SpaceDataHighway ซึ่งถูกออกแบบมาเพื่อเพิ่มความเร็วในการรับส่งข้อมูลผ่านระบบดาวเทียมวงโคจรต่ำหรือ Low-Earth Orbit Satellites กับผู้ใช้งานที่อยู่บนพื้นโลก

 
ที่มาของข่าว : https://www.esa.int/Applications/Telecommunications_Integrated_Applications/Optical_links_to_connect_air_passengers_securely
แปลและเรียบเรียง : ร.อ.ณัฐดนัย วิศิษฏ์โยธิน
20210307 6
 

ภาพจากวิดีโอของเที่ยวบินทดสอบ Starship SN11 เมื่อวันที่ 30 มีนาคมที่ผ่านมา แสดงให้เห็นว่ามีไฟไหม้ในเครื่องยนต์เครื่องใดเครื่องหนึ่งประมาณ
25 วินาทีหลังจากการยกตัวขึ้นของจรวด ซึ่งยังคงไม่แน่ชัดว่าไฟที่ไหม้เกิดจากเครื่องยนต์ใด นาย Elon Musk ซีอีโอของ SpaceX กล่าวว่าระบบการบินที่เสียหายนำไปสู่ ​​"hard start" เมื่อลงจอด เครดิต: SpaceX webcast

 

            นาย Elon Musk ประธานเจ้าหน้าที่บริหารของ SpaceX กล่าวว่าเครื่องยนต์ต้นแบบของ บริษัท Starship รุ่นล่าสุด ประสบปัญหา “hard start” ซึ่งทำให้อวกาศยานเกิดการระเบิดเมื่อพยายามลงจอดในเที่ยวบินทดสอบเมื่อสัปดาห์ที่แล้ว

            อวกาศยาน Starship SN11 ยกขึ้นท่ามกลางหมอกหนาทึบในวันที่ 30 มีนาคม จาก Boca Chica ของบริษัท SpaceX ในรัฐเท็กซัสซึ่งบินไปที่ระดับความสูง 10 กิโลเมตร ก่อนที่จะพยายามลงจอดที่สถานที่ทดสอบ อย่างไรก็ตามวิดีโอจากอวกาศยานได้สูญหายไปเช่นเดียวกับเครื่องยนต์ Raptor ของอวกาศยานที่กำลังขึ้นเพื่อทำการลงจอด ต่อมาหลังจากหมอกจางลงและผู้คนสามารถกลับไปที่สถานที่ทดสอบได้เห็นได้ชัดว่าอวกาศยานได้ระเบิดและเศษซากกระจัดกระจายไปทั่วบริเวณ     

            นาย Elon Musk  ได้กล่าวในทวีต เมื่อวันที่ 5 เมษายน ถึงการสูญเสียของอวกาศยานในครั้งนี้โดยระบุถึงสาเหตุของปัญหาคือหนึ่งในสามเครื่องยนต์ของ Raptor เกิดการรั่วไหลของก๊าซมีเทนหรือ CH4 ซึ่งเป็นเชื้อเพลิงในเครื่องยนต์จึงทำให้เกิดเพลิงไหม้และยังรวมไปถึงส่วนที่เกี่ยวข้องกับระบบการบิน การเกิด “hard start” ของก๊าซมีเทนหรือ CH4 ในเทอร์โบปั๊ม เกิดขึ้นในขณะกำลังนำอวกาศยานลงจอด

            “hard start” เป็นคำศัพท์เกี่ยวกับการบินและอวกาศสำหรับสถานการณ์เมื่อมีสารขับดันมากเกินไปในห้องเผาไหม้ของเครื่องยนต์เมื่อมีการจุดระเบิด สิ่งนี้ก่อให้เกิดแรงดันที่เพิ่มขึ้นซึ่งสามารถสร้างความเสียหายให้กับเครื่องยนต์หรือในกรณีที่เลวร้ายที่สุดคือกระตุ้นให้เกิดการระเบิด อนึ่ง เที่ยวบินทดสอบทั้งสี่ของ Starship ตั้งแต่เดือนธันวาคมสิ้นสุดลงด้วยการสูญหายของอวกาศยาน 

 

ที่มาของข่าวและภาพ : https://spacenews.com/engine-explosion-blamed-for-latest-starship-crash/

แปลและเรียบเรียง : ร.อ.นิตินัย  อุตสาหะ
            ดาวเทียม CAS500-1 ของสาธารณรัฐเกาหลี ซึ่งเป็นดาวเทียมประเภท Earth Observation ความละเอียดสูง (0.5 m Panchromatic / 2 m Multi-spectral) ที่ใช้ระบบ AEISS-C (Advanced Earth Imaging Sensor System) ซึ่งติดตั้ง Payload แบบ Electro – Optical เพื่อใช้ในภารกิจแบบ Precision Ground Observation มีน้ำหนักประมาณ 500 kg ได้รับการออกแบบให้มีอายุการใช้งานประมาณ 4 ปี ทั้งนี้ได้รับการส่งเข้าสู่วงโคจรด้วยจรวด Soyuz-2 สำเร็จเมื่อ 22 มี.ค.64 เวลา 11.07 น. ตามเวลาท้องถิ่น จากท่าอวกาศยาน Baikonur Cosmodrome สาธารณรัฐคาซัคสถาน โดยดาวเทียมได้รับการปล่อยออกจากจรวดเพื่อเข้าสู่วงโคจรในเวลาประมาณ 1 ชั่วโมงหลังจากการจุดระเบิดปล่อยจรวด
 
20200330 3
ดาวเทียม CAS500-1 สร้างโดย Korea Aerospace Research Institute (KARI) สาธารณรัฐเกาหลี
 
            สามารถนับได้ว่าเป็นก้าวแรกที่สำคัญเป็นอย่างยิ่งของอุตสาหกรรมอวกาศและดาวเทียมของเกาหลีใต้ เนื่องจากดาวเทียมดวงนี้ได้รับการออกแบบและสร้างโดย Korea Aerospace Research Institute (KARI) ซึ่งเป็นสถาบันที่ได้รับการสนับสนุนงบประมาณจากรัฐบาล โดยได้ร่วมมือกับภาคเอกชนในหลากหลายอุตสาหกรรมเพื่อร่วมกันพัฒนาดาวเทียม CAS500-1 ตั้งแต่ ค.ศ.2015 อาทิเช่น DCC Aerospace ดูแลในส่วน Telescope Structure, Hunwha Systems ดูแลในส่วน Optical Transmitter, LIMIR ดูแลในส่วน Image Data Handling Unit, Genohco ดูแลในส่วน X-Band Transmitter, Kukdong Telecommunication ดูแลในส่วน X-Band Antenna, Doowon ดูแลในส่วน Multi-Layer Insulation and Camera Cooling System และ Asia Pacific Satellite ดูแลในส่วน Onboard Computer เป็นต้น ทั้งนี้ยังมีแผนการพัฒนาอุตสาหกรรมดาวเทียมและอวกาศ โดยให้ภาคเอกชนเป็นผู้ดำเนินการในระยะยาว ทั้งนี้รัฐบาลได้จัดเตรียมงบประมาณช่วยเหลือไว้ประมาณ 17.7 ล้านเหรียญสหรัฐ สำหรับการสนับสนุนในช่วง 5 ปีนี้ โดยมีแผนการส่งดาวเทียม CAS500-2 ในอนาคตอันใกล้ต่อไป
 

ที่มา
https://spacenews.com/with-cas500-south-korea-launches-journey-toward-private-led-satellite-development/
https://spacenews.com/soyuz-launch-marks-first-full-commercial-mission-of-russias-gk-launch-services/
https://spacenews.com/soyuz-2-rideshare-launch-delayed-for-south-korea-astroscale-dozens-more/

แปลและเรียบเรียง : น.ท.รณชัย วุฒิวิทยารักษ์

            Ingenuity เฮลิคอปเตอร์จอมอัจฉริยะ ในภารกิจสำรวจดาวอังคารของ NASA กำลังตรวจสอบความพร้อมขั้นสุดท้ายก่อนที่จะแยกตัวออกจาก Perseverance rover เพื่อเตรียมการบินครั้งประวัติศาสตร์บนดาวอังคาร ที่จะเกิดขึ้นในวันที่ 8 เมษายน 64 นี้
 
            นี่จะเป็นการทดสอบการบังคับอากาศยานด้วยระบบนำทางครั้งแรกจากอีกโลกหนึ่ง โดย NASA วางแผนให้เที่ยวบินนี้เกิดขึ้นในวันที่ 8 เมษายน 64 แต่ก่อนหน้านั้น เจ้านกน้อยจอมอัจฉริยะลำนี้จะต้องแยกตัวออกจากใต้ท้องของ Perseverance rover เสียก่อน เนื่องจากการเดินทางอันยาวไกลจากโลกสู่ดาวอังคาร เฮลิคอปเตอร์ Ingenuity ได้ถูกเก็บไว้ที่ใต้ท้องของ Perseverance rover สำหรับกระบวนการแยกตัวนี้จะใช้เวลาประมาณ 1 สัปดาห์ จากภาพที่ได้รับมาเมื่อวันที่ 30 มีนาคม 64 (รูปด้านล่าง) Ingenuity สามารถกางฐานทั้ง 4 ด้านออกได้เรียบร้อย ขณะที่ตัวของ Ingenuity ยังคงติดอยูกับ Perseverance rover หลังจากระบบทุกอย่างเรียบร้อย Perseverance rover จะนำ Ingenuity ไปวางลงบนจุดศูนย์กลางของลานจอดที่ได้สร้างไว้ก่อนหน้า โดยเป็นพื้นที่สี่เหลี่ยมจัตุรัสขนาด 33 ฟุต (10 เมตร) ซึ่งทีมควบคุมและทีมวิศวกรของ NASA ได้เลือกพื้นที่ที่ปลอดภัยที่สุดเท่าที่จะเป็นไปได้สำหรับเฮลิคอปเตอร์เล็ก ๆ ลำนี้
 
20210405 2
 
            จากนั้น Perseverance rover จะเคลื่อนตัวไปจอดห่างออกไปในระยะที่สามารถมองเห็น Ingenuity ได้ และให้เวลา Ingenuity ในการชาร์จแบตเตอรี่พลังงานแสงอาทิตย์ จากนั้นทีมงานจะทำการทดสอบทุกระบบอีกครั้ง เพื่อให้แน่ใจว่า Ingenuity พร้อมที่จะทำการบิน โดยเที่ยวบินแรกของ Ingenuity มีแผนที่จะบินขึ้นเหนือพื้นผิวของดาวอังคารที่ความสูง 10 ฟุต (3 ม.) และทำการลอยตัว (Hovering) เป็นเวลาประมาณ 30 วินาที และวางตัวลงบนพื้นผิว เป็นอันจบภารกิจในการบินเที่ยวบินแรก หากทุกอย่างเป็นไปด้วยดี จะใช้เวลาในการทำการบินเป็นเวลาหนึ่งเดือนเต็ม ในการบินครั้งนี้ Perseverance rover ที่จอดในระยะที่มองเห็นได้ด้วยกล้อง จะคอยทำการเก็บภาพการบินจากระยะที่ปลอดภัย สำหรับภารกิจสู่ดาวอังคารของ NASA ในครั้งนี้ วัตถุประสงค์เพื่อค้นหาร่องรอยของสิ่งมีชีวิตบนดาวอังคารและเก็บตัวอย่างหิน รอนำกลับมายังโลกเพื่อการวิจัยในภารกิจเที่ยวต่อๆไป
 
ที่มา : https://www.space.com/mars-helicopter-unfolds-legs-perseverance-rover-video
แปลและเรียบเรียง : ricebird572
            ดาวเทียมมากกว่า 3,000 ดวงที่โคจรรอบโลกอยู่ในขณะนี้ได้ส่องแสงกลับมายังพื้นโลก ทำให้ปัจจุบันไม่มีพื้นที่ใดบนโลกที่มืดสนิทอีกต่อไป ซ้ำร้ายการริเริ่มสร้างโครงข่ายดาวเทียมขนาดยักษ์หรือ Mega-Constellation of Satellites จะยิ่งสร้างปัญหามลพิษทางแสงมากยิ่งขึ้น
 
            ปัจจุบันนี้มีมนุษย์อยู่เพียงส่วนน้อยที่อาศัยอยู่บริเวณที่ในตอนกลางคืนมีความมืดสนิทพอที่จะทำให้สามารถมองเห็นดวงดาวบนท้องฟ้าด้วยตาเปล่าได้อย่างชัดเจน และร้อยละ 83 ของประชากรโลกทั้งหมดอาศัยอยู่บริเวณที่ท้องฟ้าตลอดยามค่ำคืนนั้นสว่างไสวด้วยแสงไฟจากถนน โรงงาน สำนักงาน หรืออาคารที่พัก ซึ่งได้ก่อให้เกิดปัญหามลภาวะทางแสง โดยจากการศึกษาพบว่าในทุก ๆ ปีนั้น พื้นที่ที่มีแสงสว่างได้ขยายตัวและทำให้ท้องฟ้าสว่างมากขึ้น ซึ่งส่วนหนึ่งมาจากการเพิ่มปริมาณการใช้งานหลอดไฟแบบ LED ที่มีราคาถูกและประหยัดพลังงาน
 
            อย่างไรก็ตาม มลพิษทางแสงนั้นไม่ได้เกิดจากวัตถุที่อยู่บนพื้นโลกแต่เพียงอย่างเดียวเท่านั้น ทีมนักวิจัยของนายมิโรสลาฟ โคซิฟาจ (Miroslav Kocifaj) จากสถาบันวิทยาศาสตร์แห่งสาธารณรัฐสโลวัก ได้เปิดเผยข้อมูลว่าดาวเทียมนับพันดวงที่โคจรอยู่รอบโลกได้ทำลายความมืดในยามค่ำคืน และคาดว่าหากผลกระทบจากดาวเทียมเหล่านี้ทำให้ท้องฟ้าสว่างขึ้น 10 เปอร์เซ็นต์ จะมากพอที่จะทำให้มนุษย์ไม่สามารถที่จะสังเกตการณ์ท้องฟ้าในยามค่ำคืนได้อีกต่อไป
 
            จากข้อมูลเมื่อต้นเดือนมกราคมที่ผ่านมา พบว่าดาวเทียมมากกว่า 3,300 ดวงตลอดจนขยะอวกาศอีกกว่าหลายหมื่นชิ้น โดยเฉพาะวัตถุชิ้นใหญ่ ๆ นั้น สามารถมองเห็นได้ด้วยตาเปล่าเพราะว่าวัตถุเหล่านี้สะท้อนแสงจากดวงอาทิตย์กลับมายังพื้นโลกทั้งในช่วงกลางวันและกลางคืน
 
20210405 1
ภาพแสงสะท้อนจากดาวเทียม Starlink ของบริษัท SpaceX (แหล่งที่มา: Bild.de)
 

แสงสะท้อนจากดาวเทียมหลายพันดวงอาจทำให้กล้องโทรทรรศน์ไม่สามารถใช้งานได้

            ปัญหานี้ส่งผลกระทบโดยตรงต่อนักดาราศาสตร์ เพราะปกติแล้วหอดูดาวมักจะสร้างในบริเวณที่ห่างไกลเพื่อหลีกเลี่ยงบริเวณที่มีแสงสว่างมาก เช่น บริเวณทะเลทรายอตาคามา ประเทศชิลี เป็นต้น อย่างไรก็ตามนักดาราศาสตร์ยังไม่สามารถหาทางออกในการจัดการกับแสงสว่างที่เกิดจากภายนอกโลกได้ ปัญหาที่เกิดขึ้นคือเมื่อมีการถ่ายภาพวัตถุในอวกาศด้วยการเปิดหน้ากล้องเป็นเวลานานนั้น มักจะเกิดรอยของแสงบนรูปภาพที่ถ่ายได้ซึ่งเกิดจากการเคลื่อนที่ของดาวเทียม

 
            นอกจากผลกระทบที่เกิดขึ้นต่อภาพถ่ายจากกล้องโทรทรรศน์แล้ว ทีมนักวิจัยกลุ่มดังกล่าวยังได้ทำการศึกษาผลกระทบโดยรวมจากการส่องแสงของวัตถุในอวกาศกับความสว่างในเวลากลางคืน และได้เรียกปรากฏการณ์นี้ว่า Skyglow Effect หรือปรากฏการณ์ท้องฟ้าอันเปล่งประกายแวววาว ซึ่งโดยทั่วไปแล้วท้องฟ้าตอนกลางคืนนั้นจะมีความสว่างอยู่ที่ระดับประมาณ 200 ไมโครแคนเดลา แต่ว่าแสงสะท้อนจากดาวเทียมและขยะอวกาศทำให้ท้องฟ้าสว่างเพิ่มขึ้นราว 20 ไมโครแคนเดลาต่อหนึ่งตารางเมตรหรือประมาณ 10 เปอร์เซ็นต์ และเป็นค่าความสว่างสูงสุดที่สหพันธ์ดาราศาสตร์สากลหรือ IAU ได้ขีดเส้นเอาไว้สำหรับการสังเกตการณ์ทางดาราศาสตร์
 
            ปรากฎการณ์ดังกล่าวจะยิ่งทวีความรุนแรงมากขึ้นจากการบุกเบิกการสร้างโครงข่ายดาวเทียมขนาดยักษ์หรือ Mega-Constellation of Satellites ซึ่งบริษัทชั้นนำด้านอวกาศอย่าง SpaceX ก็ได้ประกาศที่จะส่งดาวเทียมหลายหมื่นดวงขึ้นไปบนท้องฟ้า เพื่อที่จะทำให้ผู้คนที่อยู่ในทุกพื้นที่ทั่วโลกได้เข้าถึงการใช้งานอินเทอร์เน็ต โดยเพียงแค่เดือนมีนาคมที่ผ่านมา บริษัท SpaceX สามารถส่งดาวเทียมขนาด Mini-Satellite ขึ้นไปแล้ว 240 ดวง ทั้งนี้ IAU ได้ส่งหนังสืออย่างเป็นทางการเพื่อเตือนสหประชาชาติว่าโครงข่ายดาวเทียมอาจสร้างผลกระทบด้านการสำรวจอวกาศจากพื้นโลก และอาจทำให้ภาพถ่ายจากกล้องโทรทรรศน์จำนวนมากกว่าร้อยละ 40 ไม่สามารถนำมาวิเคราะห์หรือใช้งานได้
 
ที่มาของข่าว : https://www.sueddeutsche.de/wissen/satelliten-lichtverschmutzung-nachthimmel-helligkeit-teleskop-1.5251441
แปลและเรียบเรียง : ร.อ.ณัฐดนัย วิศิษฏ์โยธิน
            จากการวิเคราะห์ภูมิประเทศบนดาวอังคารไปจนถึงการปรับปรุงการสื่อสารระหว่างดาวเทียมและการสื่อสารภาคพื้นดิน ปัญญาประดิษฐ์ (AI) กำลังมีบทบาทสำคัญเพิ่มขึ้นในปฏิบัติการอวกาศและการสำรวจ มันเป็นความสามารถที่มีแอพพลิเคชั่นมากมายและสัญญามากมายสำหรับสภาพแวดล้อมของพื้นที่ที่เต็มไปด้วยข้อมูลและซับซ้อน
 
            ตัวอย่างเช่นองค์กรจำนวนมากที่มีการปฏิบัติการในอวกาศต่างตระหนักถึงพลังของ AI ในการทำงานที่ซับซ้อนได้อย่างรวดเร็วและแม่นยำและเพิ่มประสิทธิภาพในการตัดสินใจ การนำ AI ไปใช้ทั่วทั้งโดเมนอวกาศสามารถช่วยปรับปรุงประสิทธิผลของภารกิจและความอ่อนตัว
 
20210329 3
ภาพโดย boozallen.com
 
            นอกจากนี้สภาพแวดล้อมของอวกาศในปัจจุบันมีความแออัดซับซ้อน และการโต้แย้ง สงครามการต่อสู้ที่ไม่ได้เป็นสถานที่หลบภัยสำหรับทรัพย์สินอวกาศของสหรัฐ ฯ หรือชาติพันธมิตรอีกต่อไป AI มีศักยภาพในการปรับปรุงการรับรู้ โดเมน การสั่งการ การควบคุม การตัดสินใจได้อย่างประสิทธิภาพ การเพิ่มความอ่อนตัวของดาวเทียม และการเชื่อมต่อดาวเทียมเป็นเครือข่าย
 
            อย่างไรก็ตามเพื่อความก้าวหน้าที่อาจเกิดขึ้นเหล่านี้ ให้บรรลุศักยภาพสูงสุด เราต้องเสริมสร้างความปลอดภัยและความไว้วางใจ ให้เทคโนโลยี AI การวิเคราะห์ที่ถูกสร้างโดย AI จะช่วยในการตัดสินใจของมนุษย์ ผู้บังคับบัญชาและผู้ปฏิบัติงานสามารถเชื่อถือได้หรือไม่ว่าอัลกอริทึมที่อยู่เบื้องหลังการวิเคราะห์เหล่านี้ได้รับการกำหนดรูปแบบเป็นกลาง โดยมีข้อมูลที่เหมาะสมและไม่มีอคติ พวกเขามั่นใจได้หรือไม่ว่าข้อมูลที่ใช้ไม่ได้รับความเสียหายหรือถูกปรับแต่งโดยฝ่ายตรงข้าม คำถามเหล่านี้เป็นคำถามสำคัญที่ต้องตอบเพื่อให้แน่ใจว่าชีวิตและทรัพย์สินที่สำคัญต่อภารกิจตกอยู่ในความเสี่ยงเมื่อใด
 
            ตัวอย่างเป็นไปตามวิธีการใช้ AI เพื่อเสริมสร้างภารกิจอวกาศที่สำคัญ และสิ่งที่จำเป็นสำหรับผู้ใช้ในการไว้วางใจเทคโนโลยีนี้
 
การใช้ประโยชน์จาก AI เพื่อปรับปรุงการรับรู้โดเมนอวกาศ
            อวกาศแออัดมากขึ้นเรื่อย ๆ โคจรรอบโลกในปัจจุบันมีดาวเทียมที่ใช้งานอยู่มากกว่า ๒,๖๐๐ ดวง วัตถุมากกว่า ๓๔,๐๐๐ ชิ้นที่มีความสูง ๑๐ เซนติเมตรขึ้นไปและเศษซากอวกาศมากกว่า ๙๐๐,๐๐๐ ชิ้นที่อยู่ระหว่าง ๑ ถึง ๑๐ เซนติเมตร ทั้งหมดกำลังเคลื่อนที่ในวงโคจรที่แตกต่างกันไปบนเครื่องบินที่ต่างกันและด้วยความเร็วที่ต่างกัน การมีภาพที่ชัดเจนของสภาพแวดล้อมที่ซับซ้อนนี้ เป็นขั้นตอนแรกที่สำคัญสำหรับการปฏิบัติการอย่างปลอดภัยในอวกาศและการปกป้องทรัพย์สินในอวกาศ
 
            เป็นเศษอวกาศวัตถุหรือดาวเทียมหลบหลีก เส้นทางที่คาดการณ์ไว้คืออะไร ความสามารถของมันคืออะไร AI ทำงานในหลายระดับเพื่อช่วยให้ผู้ปฏิบัติงานสามารถตอบคำถามเหล่านี้และตอบสนองได้อย่างเหมาะสม
 
            ประการแรกองค์กรสามารถใช้ข้อมูลที่มีอยู่และระบบ AI เพื่อสร้างแคตตาล็อกที่ครอบคลุมของวัตถุโคจรรอบโลก รู้จักและสังเกตได้ ระบบ AI เดียวกันนี้สามารถตรวจสอบและประเมินความน่าจะเป็นของการชนกันได้อย่างต่อเนื่องแจ้งเตือนผู้ให้บริการดาวเทียมและยานอวกาศในกรณีที่มีความเสี่ยงเพิ่มขึ้น
 
            ต่อไปนี้คือสถานการณ์ดังกล่าวที่อาจเกิดขึ้น เมื่อผู้ปฏิบัติงานระบุดาวเทียมที่มีความเสี่ยงโดยใช้ แค็ตตาล็อกอวกาศ AI จะช่วยให้พวกเขาตัดสินใจแนวทางการดำเนินการที่ดีที่สุดในการปกป้องดาวเทียมนั้นได้ ระบบ AI / Machine Learning ดังกล่าวจะรวมการสร้างแบบจำลองและการจำลองแบบดั้งเดิม เข้ากับ Deep Learning Network และอัลกอริธึมการหลีกเลี่ยงการชนกัน เพื่อสร้างรายการการซ้อมรบที่เป็นไปได้อย่างรวดเร็วเพื่อหลีกเลี่ยงวัตถุอวกาศ
 
            ในอวกาศเช่นเดียวกับบนโลก การหลบหลีกที่อาจเกิดขึ้นแต่ละครั้งมาพร้อมกับข้อดีข้อเสียและผลกระทบที่เกี่ยวข้องกันหลายประการ ตัวอย่างเช่นแนวทางปฏิบัติหนึ่งอาจลดค่าใช้จ่ายเชื้อเพลิงพร้อมกับผลกระทบจากการดำเนินงาน อีกวิธีหนึ่งอาจช่วยให้ผู้ปฏิบัติงาน“ มองไปข้างหน้า” เพื่อลดการรบกวนหรือการชนกันของดาวน์สตรีม
 
            องค์กรสามารถตั้งโปรแกรมระบบ AI / แมชชีนเลิร์นนิงเพื่อนำเสนอการหลบหลีกที่เหมาะสมที่สุดตามเกณฑ์ที่เกี่ยวข้องมากที่สุดกับภารกิจที่อยู่ในมือ ผู้ใช้ซึ่งเป็น“ มนุษย์ที่อยู่ในวงล้อม” สามารถใช้วิจารณญาณและความรู้เกี่ยวกับภารกิจ เพื่อเลือกตัวเลือกต่าง ๆ และดำเนินการซ้อมรบที่เหมาะสมที่สุดเพื่อรักษาทรัพย์สินในอวกาศอันมีค่าให้พ้นจากอันตราย
 
            ในสถานการณ์ที่คำนึงถึงเวลาเช่นระบบ AI / Machine Learning จะส่งมอบคำแนะนำการแก้ปัญหาในไม่กี่นาทีเทียบกับชั่วโมงหรือวันที่ต้องการด้วยวิธีการแบบเดิม ๆ นี่คือพลังของ AI ในการเร่งการรับรู้โดเมนและลดการชนกันที่มีค่าใช้จ่ายสูงในสภาพแวดล้อมพื้นที่ที่แออัดมากขึ้นในปัจจุบัน
 
การควบคุม AI เพื่อเร่งการตัดสินใจสั่งและควบคุม
            อีกพื้นที่หนึ่งที่ AI มีศักยภาพที่ดีคือการตัดสินใจสั่งการและควบคุมโดยเฉพาะอย่างยิ่งเมื่อสินทรัพย์ตกอยู่ภายใต้การคุกคาม โดยมีเวลาตอบสนองน้อยมาก
 
            พิจารณาสถานการณ์ที่ผู้ปฏิบัติงานต้องปกป้องทรัพย์สินอวกาศจากการโจมตีต่อต้านดาวเทียมขึ้นตรง (ASAT) ในสถานการณ์เช่นนี้ผู้ปฏิบัติงานอาจมีเวลาเพียงไม่กี่นาทีในการตัดสินใจว่าจะทำอย่างไร AI และการวิเคราะห์ข้อมูลทำให้งานที่แทบจะเป็นไปไม่ได้ก่อนหน้านี้อยู่ใกล้แค่เอื้อม ช่วยให้ผู้มีอำนาจตัดสินใจวิเคราะห์ข้อมูลจำนวนมหาศาลได้อย่างมีประสิทธิภาพและมาถึงชุดของการดำเนินการที่อาจเกิดขึ้น
 
            ระบบ AI ดูดซับข้อมูลวิถี ASAT เพื่อระบุเป้าหมายที่เป็นไปได้ จากนั้นจึงพัฒนาหลักสูตรปฏิบัติการหลายอย่าง อย่างรวดเร็วซึ่งอาจรวมถึงการหลบหลีกการตอบโต้หรือการมีส่วนร่วมในกิจกรรมที่น่ารังเกียจหรือป้องกัน ด้วยการใช้แมชชีนเลิร์นนิงระบบจะปรับเปลี่ยนแนวทางการดำเนินการที่เป็นไปได้มากมายโดยคำนึงถึงผลที่ตามมาซึ่งกันและกันและผลกระทบต่อเนื่อง จากนั้นผู้ปฏิบัติงานและผู้บังคับบัญชาจะได้รับเมนูทางเลือกที่เหมาะสมซึ่งจะช่วยเร่งการตัดสินใจสั่งการและควบคุมและเพิ่มความแข็งแกร่งในการป้องกันอวกาศในสถานการณ์ที่สำคัญต่อภารกิจ
 
            นอกจากนี้ AI ยังสามารถตรวจสอบ "สถานะสุขภาพ" ของดาวเทียมโดยอัตโนมัติการแก้ไขความผิดปกติและการดำเนินการป้องกันภัยคุกคาม การทำงานแบบอัตโนมัติบนดาวเทียมสามารถเร่งการดำเนินการเหล่านี้และผู้ปฏิบัติงานอิสระให้มุ่งเน้นไปที่งานที่ซับซ้อนและมีความสำคัญต่อภารกิจมากขึ้น
 
การสร้างความไว้วางใจผ่านการพัฒนาอัลกอริทึมและการฝึกอบรมผู้ปฏิบัติงาน
            เช่นเดียวกับการประยุกต์ใช้เทคโนโลยีใหม่ในอวกาศหรือที่อื่น ๆ ความปลอดภัยและความไว้วางใจเป็นสิ่งสำคัญยิ่งสำหรับการนำไปใช้และประสิทธิผล การรักษาความปลอดภัย AI เริ่มต้นด้วยการพัฒนาอัลกอริทึม AI องค์กรต้องตรวจสอบสายเลือดของข้อมูลที่ใช้ในการฝึกอบรมอัลกอริทึมตรวจสอบให้แน่ใจว่าอัลกอริทึมได้รับการพัฒนาโดยมีอคติน้อยที่สุดและรักษาความปลอดภัยตลอดกระบวนการพัฒนาซอฟต์แวร์และการจัดเก็บข้อมูล
 
            นอกจากนี้องค์กรที่มีทรัพย์สินและระบบด้านอวกาศจะต้องฝึกอบรมผู้ปฏิบัติงานด้าน AI และแมชชีนเลิร์นนิงซึ่งรวมถึงความเข้าใจในการสร้างและออกแบบระบบ AI ผู้ปฏิบัติงานต้องมีความเข้าใจอย่างถ่องแท้เกี่ยวกับความสามารถและข้อจำกัดของโซลูชันที่ขับเคลื่อนด้วย AI ผ่านการฝึกอบรมและการศึกษาที่ครอบคลุมตลอดจนการใช้กระบวนการที่ปลอดภัยเท่านั้นผู้ปฏิบัติงานและผู้มีอำนาจตัดสินใจจะไว้วางใจระบบ AI มากพอที่จะใช้เพื่อปรับปรุงภารกิจของตน
 
สรุปแล้ว

            ในขณะที่สภาพแวดล้อมของอวกาศพัฒนาไปอย่างรวดเร็วและแพร่หลายไปพร้อมกับผู้ใช้รายใหม่ความสามารถใหม่ ๆ และภัยคุกคามที่ซับซ้อนมากขึ้นการขัดขวางและปกป้องทรัพย์สินอวกาศของเราจึงกลายเป็นสิ่งจำเป็นสำหรับความมั่นคงของชาติและเป็นงานที่ซับซ้อนมากขึ้น ด้วยการปรับปรุงการรับรู้โดเมนอวกาศการเร่งการตัดสินใจสั่งการและการควบคุมทำให้ดาวเทียมและเครือข่ายมีความยืดหยุ่นมากขึ้นและอื่น ๆ โซลูชัน AI นำเสนอโอกาสในการเปลี่ยนแปลงในการปกป้องปรับปรุงและเสริมสร้างภารกิจด้านอวกาศและช่วยให้สหรัฐอเมริการักษาอำนาจเหนืออวกาศ อย่างไรก็ตามเพื่อให้บรรลุถึงคำมั่นสัญญาที่ยิ่งใหญ่ของ AI เราต้องตรวจสอบให้แน่ใจว่าระบบ AI ได้รับการพัฒนาและบำรุงรักษาอย่างปลอดภัยและผู้บังคับบัญชาและผู้ปฏิบัติงานต้องได้รับการฝึกอบรมและความเข้าใจที่จำเป็นในการไว้วางใจเทคโนโลยีการเปลี่ยนแปลงนี้

 
            Chris Bogdan เคยเป็นหัวหน้าโครงการ F-35 และเป็นรองประธานอาวุโสในธุรกิจการบินและอวกาศของ Booz Allen Hamilton Saurin Shah เป็นผู้นำด้านปัญญาประดิษฐ์ (AI) ในธุรกิจความมั่นคงแห่งชาติของ Booz Allen Hamilton
 
ที่มา https://spacenews.com/op-ed-the-use-of-ai-in-space-systems-opportunities-for-mission-improvement/
แปลโดย เรืออากาศเอกยุทธนา สุพรรณกลาง