[论文解读] Artificial Intelligence for Interstellar Travel

Andreas M. Hein, Stephen Baxter|arXiv (Cornell University)|Nov 15, 2018

Space Science and Extraterrestrial Life参考文献 107被引用 12

一句话总结

本文提出了一套全面的基于人工智能（AI）的星际探测器框架，强调AI在导航、维护、原位资源利用及自我复制方面的自主能力。估算表明，到2060年，具备人类水平认知能力（相当于人脑计算能力）的AI系统重量将达30–100吨，使21世纪中叶实现可行的星际任务成为可能。

ABSTRACT

The large distances involved in interstellar travel require a high degree of spacecraft autonomy, realized by artificial intelligence. The breadth of tasks artificial intelligence could perform on such spacecraft involves maintenance, data collection, designing and constructing an infrastructure using in-situ resources. Despite its importance, existing publications on artificial intelligence and interstellar travel are limited to cursory descriptions where little detail is given about the nature of the artificial intelligence. This article explores the role of artificial intelligence for interstellar travel by compiling use cases, exploring capabilities, and proposing typologies, system and mission architectures. Estimations for the required intelligence level for specific types of interstellar probes are given, along with potential system and mission architectures, covering those proposed in the literature but also presenting novel ones. Finally, a generic design for interstellar probes with an AI payload is proposed. Given current levels of increase in computational power, a spacecraft with a similar computational power as the human brain would have a mass from dozens to hundreds of tons in a 2050-2060 timeframe. Given that the advent of the first interstellar missions and artificial general intelligence are estimated to be by the mid-21st century, a more in-depth exploration of the relationship between the two should be attempted, focusing on neglected areas such as protecting the artificial intelligence payload from radiation in interstellar space and the role of artificial intelligence in self-replication.

研究动机与目标

• 为解决当前文献中关于AI在星际探测器中应用的详细工程设计与系统级设计严重不足的问题。
• 识别并分类自主星际任务所需的关键AI能力，包括维护、探索及基础设施建设。
• 估算具备人类水平认知能力的AI有效载荷的质量与技术成熟时间表。
• 提出基于AI驱动的星际探测器新型系统与任务架构，包括辐射屏蔽与模块化维修系统。
• 探索尚未充分研究的领域，如AI自我复制，以及在深空环境中抵御银河宇宙射线的策略。

提出的方法

• 基于功能需求（包括自主性、维护与原位资源利用）建立AI星际探测器任务的分类体系。
• 提出一种通用航天器架构，包含集中式AI有效载荷、使用径向辐射器的散热系统，以及用于最小化热传导的热盾。
• 应用摩尔定律的外推及计算效率趋势，估算具备人脑级别处理能力的AI系统所需的有效载荷质量。
• 建立靠近目标恒星与热/辐射暴露之间权衡的模型，提出面向恒星方向的热与辐射屏蔽方案。
• 引入具备机载机器人部件更换能力的模块化维修系统，并考虑自愈型AI与抗辐射电子元件以支持长期飞行。
• 分析包含母船与子探测器的任务架构，其中AI核心负责计算，子探测器执行探索任务。

实验结果

研究问题

• RQ1 何种水平的人工智能能力可使自主星际探测器执行如基础设施建设与科学发现等复杂任务？
• RQ2 AI系统应如何设计，以在持续数个世纪的星际航行中实现自我维护与修复？
• RQ3 具备人类水平认知能力的AI有效载荷的质量与功耗需求为何？此类系统何时可实现发射？
• RQ4 在星际飞行过程中，如何保护AI免受银河宇宙射线与太阳辐射的影响？
• RQ5 AI在自我复制航天器中可发挥何种作用？其如何推动星际殖民的实现？

主要发现

• 假设计算效率趋势持续，到2060年，具备人脑级别计算能力的AI有效载荷质量预计为30–100吨。
• 通用人工智能（AGI）的出现与首次星际任务的实现均预计将在21世纪中叶发生，形成集成发展的交汇窗口。
• 辐射屏蔽与自愈型AI系统对于保护AI有效载荷在长期星际飞行中免受银河宇宙射线影响至关重要。
• 采用模块化设计并具备机器人部件更换与机载维修能力，是确保AI系统在数个世纪内持续运行的关键。
• 具备圆柱形AI核心、径向散热管道与背向辐射器系统的通用探测器架构，可优化热管理并最小化辐射传热。
• 存在一种‘等待悖论’的潜在风险，即因计算能力持续提升与发射成本持续下降，导致任务开发被一再推迟。