人工智能和机器学习早已超越了科幻小说的界限，在科幻小说中，它们曾经被想象为太空殖民和星际探索的工具。
随着最近火星表面的任务，SpaceX开发可重复使用的超重火箭，以及自主人工智能机器人的研究，我们现在站在了太空探索新时代的风口浪尖上。
最近的研究为集成人工智能的机器人直接从行星表面开采材料铺平了道路，并建造能够安全容纳人类的结构，并提供氧气供应。
在民主来源的意见指导下，对“宪法人工智能”的创新研究可能为空间治理提供解决方案，使人类能够将有效的治理模式“输出”到其他星球。
而不是殖民者的任务是建设，他们可以简单地走进一个宜居的，接近完整的设施，让自己在家里。 人工智能维护的宪法将支持随着殖民地的进步和演变而生存和增长的社会功能。
利用人工智能发现系外行星
探索系外行星-太阳系外的行星-是我们寻求了解宇宙并潜在地识别宜居世界的关键一步。
虽然火星是系外行星殖民的垫脚石，但系外行星的识别和研究正在帮助我们更多地了解地球，以及为什么它是拥有高级生命形式的“首选之地”。
这个开普勒太空望远镜 于2009年发射，是进一步研究系外行星的关键。它的主要任务是观察超过15万颗恒星，通过探测行星在其宿主恒星之前过渡或经过时星光的微小变暗来识别系外行星。
艺术家对开普勒的演绎。资料来源：美国宇航局。
这项任务从2009年到2013年，导致发现了数千颗系外行星，但开普勒收集的数据量非常难以使用传统统计方法进行分析。
AI的引入，特别是深度神经网络 名为ExoMiner这使得研究人员能够筛选来自开普勒等太空望远镜多年来的数据，从而能够以非凡的精度识别新的行星体。
2021年，ExoMiner确认了301颗新系外行星。开普勒任务整体上是令人难以置信的成功，导致截至2021年12月6日确认了4，888颗系外行星。
开普勒的遗产是深远的—在深空9年后，它提供了证据，表明我们的夜空充满了数十亿颗隐藏的行星，其中许多可能能够支持过去、现在或未来的生命。
为殖民奠定基础
为了让人类成功地居住在其他星球上，他们需要充足的资源，包括氧气和原材料。一种选择是通过火箭将资源运送到太空，这在SpaceX的猎鹰重型系统中变得越来越可能。
然而，由于每个任务都耗资数十亿美元，因此在人类抵达之前，使用自动机器人和研究实验室就地合成和组装这些资源将更加有效。
机器人可以着手为殖民者建造人工准备的预制基础设施。基础设施可以建造和严格测试，以确保安全，然后再把生命置于危险之中。甚至有可能直接从地球表面开采资源。
研究人员已经提出了许多在火星等行星上建设基础设施的理论建造方法，包括NASA最近的3D打印挑战它要求设计师建造具有内置关键生存机制的实用住所。他们的想法包括建造在悬崖边的避难所，或使用冰作为建筑材料的3D打印避难所。
3D打印火星冰屋，为NASA的3D打印栖息地挑战赛创建。资料来源：Melodie Yashar。
人工智能、机器学习和机器人技术的最新进展将能够支持外行星建设，甚至可以自主处理端到端的建设过程。
例如，一个中国研究小组成功地 利用人工智能创造氧气 在模拟火星表面该人工智能机器人，正如发表在 自然合成的任务是从火星岩石样本中开发一种催化剂，这对于加快从水中生产氧气的过程至关重要。
这种催化剂有助于通过电化学反应将水(H2O)分解为氧气(O2)和氢气(H2)，从理论上讲，这将使火星上的自主机器人能够在人类到来之前合成氧气。
人工智能和机器人系统处理了使用火星表面存在的材料设计和合成催化剂的端到端过程。来源：《自然》。
这篇论文的合著者蒋军教授强调了这项成就的重要性，他说：“最大的含义是，人工智能引导的机器人能够在未知的条件下用未知的材料生产有用的化学品。”
机器人和类似的自主研究实验室到达后，可以在其他星球上为人类制造氧气，为殖民奠定基础。
在其他星球上制造材料
研究还发现了使用机器学习自主发现和合成新材料的方法。 DeepMind 最近在材料科学领域取得了新的里程碑， 材料勘探图形网络（GnoME）系统.
gnome 发现220万颗新晶体研究人员说，使用传统方法将需要大约800年的时间。700种稳定材料经过进一步测试，58种材料中有41种是由A—Lab自主实验室合成的。
GnoME发现的材料比迄今为止集体研究发现的材料要多很多倍。来源：DeepMind。
的 伯克利的A—Lab混合和加热原料来合成这些新材料，将机器人技术与机器学习相结合，以最少的人力投入管理端到端的任务。
想象一下未来，像GnoME这样的人工智能系统部署在火星这样的行星上。这些技术与其他技术相结合，可有助于直接从行星环境中识别和合成材料。 与此同时，像Falcon Heavy这样的可重复使用火箭可以从地球运送材料，为建筑机器人提供原材料或扁平包装的现成零件。
过去的研究已经建立了分析其他植物表面的方法。直到2018年，我们对火星表面的组成及其天气知之甚少，当时， 火星洞察号 开始全面分析地球。
美国宇航局的洞察力太阳能着陆器。资料来源：美国宇航局。
洞察力有三个主要工具：内部结构抗震试验(SEIS)、热流和物理特性程序包(HP³)以及旋转和内部结构试验(RISE)。
- SEIS是一个精密的地震仪，它测量了火星内部的振动，以揭示其地壳、地幔和内核的性质。
- HP ³旨在测量红色星球的温度并确定其内部热流。
- RISE利用无线电科学分析了火星北极的摆动，以提供对其金属核心的大小和组成的见解。
像Insight这样的探索性任务可以从可殖民的行星上收集初始数据，以帮助设计技术和技术，以最大限度地利用相关星球的资源。
建造过程将涉及利用地球独特的地质和大气组成来创造适合建造栖息地、生命维持系统和其他人类殖民地必要基础设施的材料。
人工智能快速分析和迭代数百万种潜在组合的能力将加快寻找适合各种殖民需求的材料的过程。
人工智能促进空间治理
一旦在太空中建立了殖民地，人工智能就可以帮助它们管理。
空间治理是一个复杂的问题，迫使我们质疑：我们向新殖民地输出谁的政治和社会模式？
由有限的人组成民选或有代表性的治理形式是不理想的，特别是在殖民的萌芽阶段。冲突和不同的观点可能是灾难性的，特别是当殖民者还必须应对居住在另一个星球上的压力和严酷时。
人工智能可以通过提供我们在地球上开发的预制治理模型来提供解决方案。其中一个有趣的例子就是《人类》的研究成果。宪法大赦国际“这涉及通过民主过程在人工智能系统中编码明确的价值。
使用宪法人工智能提供了一种将民主价值观嵌入人工智能系统的新方法。这涉及公众参与起草人工智能模型的一套原则或“宪法”，以确保其决策符合广泛接受的规范和价值观。
空间伦理和法律中的公众
为了推进他们在宪法AI方面的工作，Anthropic开发了”集体宪法AI涉及人类使用的公共输入过程，涉及大约1,000名美国人为人工智能系统起草宪法，展示了让公众参与人工智能治理的可行性。
值得注意的是，与Anthropic的标准体质模型相比，这种技术被证明可以改善偏见评分。
克劳德在公共宪法的指导下，在Anthropic的测试中表现出较少的偏见。资料来源：Anthropic。
在空间治理方面，可以实施类似的进程，收集关于资源分配、行星际伦理和环境保护等关键问题的全球投入。
这种民主方法确保了空间治理中的人工智能系统由不同的视角指导，使政策更具代表性和包容性。此外，它们将能够随着太空社会的发展而进化。
宪法人工智能系统的设计可以通过将这一方法应用于空间治理来维护和执行反映人类集体共识的空间法律和政策。
这可能涉及管理空间交通、规范天体上的采矿活动以及确保以符合道德和环境的方式进行空间探索。此外，公共宪法办法可能有助于确保监测和执法活动透明，符合公共价值观。
当然，这里还有很多工作要做，因为平衡人工智能对道德原则的遵守与实际功能是很棘手的，特别是在避免创建过于谨慎或无用的系统方面。此外，正如Anthropic在其工作中所承认的那样，人工智能治理系统仍然容易受到人工智能灌输的偏见和歪曲。
从可居住建筑的自主建设到人工智能支持的治理，太空殖民化的危险和恐惧既是一个新的视野，也是一个挑战。
人工智能将能够填补太空殖民项目的一些空白，可能会创造出充满氧气、自然资源的宜居基础设施，甚至可能是肥沃的农场，准备在殖民者抵达后为他们提供食物。
在治理方面，人工智能将使人类能够设计和输出经过严格测试的宪法模型，以透明地处理关键决策。
科幻小说？暂时，但可能不会永远。
