«Десятилетний план по астрономии и астрофизике» служил в США фундаментом для космических исследований с начала 1960-х. Он запустил такие проекты, как строительство и запуск космических телескопов, изучение сверхновых, черных дыр и природы темной энергии. Ученые, рассчитывающие получить финансирование на свои исследования, подают документы с предложениями за год. Обычно их набирается более 500, рассказывает Technology Review.

В этом году комиссии придется выбирать среди таких тем, как исследования лун Юпитера, укрепление стратегии планетарной обороны или изучение пролетающего мимо Земли астероида «Апофис». Членам жюри придется принять во внимание и обработать громадный объем информации, прежде чем вынести вердикт. И с каждым годом число публикаций, требующих рассмотрения, растет на 5%.

Одна из команд ученых во главе с Харли Тронсоном, бывшим старшим научным сотрудником Центра космических полетов имени Годдарда, решила облегчить труд комиссии. Разработанный ими искусственный интеллект должен подсказать, каковы перспективы той или иной исследовательской области, есть ли у нее потенциал и должна ли она получить финансирование.  

ИИ Тронсона был обучен на 400 тысячах исследований, опубликованных за десять лет после публикации Astro2010. Разработчики смогли научить машину анализировать тысячи абстрактных идей, чтобы выявить области с высоким и низком потенциалом по фразам из двух-трех слов, например, «планетарная система» или «планета вне Солнечной системы». И, как утверждают авторы, ИИ в итоге самостоятельно успешно определил шесть наиболее популярных тем последних 10 лет.

Тронсон и его коллеги считают, что комиссия должна воспользоваться этим ИИ, чтобы облегчить себе работу, а также сосредоточиться на изучении нюансов, которые для машинного интеллекта пока слишком сложны.

Выбор мест будущей высадки и строительства колоний на Луне зависит от ряда факторов, в частности, легкой доступности, наличия льда, минералов и других полезных ресурсов, но изучение снимков, сделанных телескопами, невооруженным глазом — трудоемкое и не всегда эффективное дело. Международная команда ученых применила метод машинного обучения для автоматического поиска и классификации потенциальных районов лунной колонизации.