به گزارش سافت گذر، ماهواره SDO ناسا که در سال 2010 به منظور مطالعه تأثیرات خورشید و فعالیت‌های آن بر روی زمین به فضا ارسال شد، به تازگی با مشکلی روبه‌رو شده که یکی از سه ابزار مربوط به بررسی نور ماورابنفش دیگر کار نمی‌کند. این داده‌ها به خاطر تعیین مسیر حرکت ماهواره‌ها در مدار کره زمین بسیار مهم هستند و ممکن است یک اشتباه در آنها سبب تصادف یا خارج شدن ماهواره‌ها از مدار شود.
هزینه تعمیر این ماهواره حدود 850 میلیون دلار برآورد شد به همین دلیل ناسا از کارشناسان IBM، SETI، Nimbix، Lockheed Martin و آزمایشگاه Frontier Development Lab درخواست کرد تا به دنبال روشی باشند که توسط هوش مصنوعی این مشکل را حل کنند. ناسا این‌گونه درخواست خود را مطرح کرد:«« آیا امکانی وجود دارد که از دو ابزار باقی‌مانده، بررسی‌های مربوط به نور ماورابنفش انجام شود؟»». کارشناسان گروه‌های نامبرده به این درخواست ناسا پاسخ مثبت دادند.
گراهام مکینتاش، مشاور هوش مصنوعی در SETI و ناسا می‌گوید:«« یکی از بزرگ‌ترین چالش‌ها، پیدا کردن چارچوب و مدل مطلوب هوش مصنوعی برای مشکل موجود بود تا بتوانیم به صورت مجازی ابزار آسیب‌دیده را احیا کرده و دوباره داده‌ها را دریافت کنیم. تیم‌های تحقیقاتی پیش از دستیابی به مدل نهایی، 1000 روش را آزمایش کردند تا ببینند کدام راهکار بهترین نتیجه را در اختیار آنها قرار می‌دهد»».
در نهایت، چند محقق توانستند نوعی شبکه عصبی یادگیری عمیق بسازند که می‌توانست با دقت 97 درصدی، داده‌ها را دریافت کند.
مکینتاش ادامه می‌دهد:«« IBM سرورهای IBM POWER9 که از کارت گرافیک‌های ان‌ویدیا بهره می‌برد را آورد تا یادگیری شبکه عصبی سریع‌تر انجام شود. محققان توانستند از طریق همکاری IBM با Nimbix، از راه دور از این سرورها استفاده کنند. در نهایت این سرورها نوعی پلتفرم مناسب در اختیار کارشناسان قرار دادند تا بتوانند از نرم‌افزار از پیش نصب شده IBM Watson و ابزارهای منبع باز هوش مصنوعی که با آنها آشنا بودند، استفاده کنند. به علاوه، با به کارگیری Nimbix به این موفقیت رسیدیم که نوع تنظیمات سخت‌افزار مانند اضافه کردن ماده جامد را هنگام پرواز مشخص کنیم»».
منبع: digitaltrends.com