□ 宋征宇

墙内开花墙外也香
——NASA人工智能技术的推广应用

□ 宋征宇

编者按：虽然目前飞行器要实现智能自主飞行还有很多难题要解决，但人工智能技术在航天的研究已由来已久，尤其在飞行器健康监测和故障诊断领域，早在上世纪末期人工智能研究的第一波热潮中，NASA就投入了大量研究并取得了一些成果。进入新世纪后，NASA通过授权的形式，将一些软件和算法转让给小型企业，一方面让这些企业去市场推广，另一方面也通过更广泛的应用对软件不断升级和完善，“反哺”航天，可谓一举数得。

在好莱坞电影中，那些位于休斯敦任务控制中心（MCC），或者卡纳维纳尔角的地面支持中心，或者航天器控制中心的技术人员，神情凝重，行色匆匆，一副高冷的样子。但是，未来他们的实际工作，也许会变得像喝着咖啡聊天一样轻松，决定这一切的，就要看人工智能技术在多大程度上能够取代人的工作。

在一切都已高度自动化的控制中心，这些技术人员主要干些什么呢？对他们而言，最具挑战性的工作是要在出现故障的紧急情况下及时准确地应对，而诊断出故障是这一切工作的前提条件。诊断得越早，留给他们的反应时间就越多；如果能够在故障继续恶化前提前预示故障，那就有可能避免财产损失和任务失败。为此，美国航宇局（NASA）的各个部门开发了多种软件工具。

归纳式监测系统

CEMSol是一家位于凤凰城的小公司，其公司名称是“综合工程管理解决方案”的缩写。在其创建者之一戴维·斯路理看来，未来航天器的每个系统均将会集成健康监测的引擎，并且能够与其他系统和部件进行交互。而所谓的健康监测，就好比人类向医生描述自己的症状。但仅有此还不够，谁来确诊呢？

CEMSol公司与NASA首次合作还是在2003年，他们为艾姆斯研究中心开发了一套健康监测软件，主要用于一种混合动力火箭发动机测试床的监测工作。

传统的监测需要建立模型，并进行仿真。“但有时建模很困难，于是我们提出，能否让这些数据自动去做这些工作。” 艾姆斯中心的戴维·艾弗森说道。他后来设计了被称作归纳式监测系统(IMS)的故障诊断系统。

任何被监测的系统总会有各种传感器测量温度、压力、流量、电压和其他主要的信号。IMS收集这些传感器的数据，通过数据挖掘，判断各种变量之间的关系，建立系统正常工作下的基线状态；而与正常状态的偏离都有可能是个问题并会在不远的将来产生失效。

“这种技术能够判断任何系统中已知和未知的关系和异常，”斯路理说。一个人最多能够理解5到7个实体间的相互关系，而IMS可以处理数以百计。这种技术无疑能大大解放劳动力，不再需要众多工程师紧盯屏幕紧张地分析各种数据，并且可以应用到任何场合，只要有数据，并且有正常的基线状态，它都能提前预示和判断出系统中的故障。

到了2005年，休斯敦任务控制中心负责飞行器姿态控制的技术人员开始使用IMS，希望能用它查找陀螺仪失效的原因。到了2012年，休斯敦任务控制中心开始开发自己的IMS模型。如今，IMS被集成到肯尼迪空间中心的下一代发射控制系统中，并在2014年的试验性飞行中，用于监测猎户座飞船的电气系统。IMS也被应用于对F-18战斗机和黑鹰直升机的发动机的监测。

2012年，CEMSol公司获得了NASA的授权，并在此基础上开发了两个软件包：桌面应用软件和软件开发工具集。2014年，该公司开始销售这款健康监测软件。该公司还与艾姆斯、洛马公司合作，将这项技术应用于C-130军用运输机，为此洛马公司投资了7万美元用于测试，但不久就获得了10倍的回报，大大节省了维修费用，缩短了任务延迟。“它能够在系统失效前提前给出预警信号，即使是非常微弱的迹象也逃不过它的诊断。”斯路理为此很自豪。

该公司正在继续扩大市场，“我们还没有发现这个系统不能应用的场合，”目前该系统已用于分析天气情况，预报暴风雪、沙尘暴、雷雨等，甚至准备用到人类健康监测领域：通过对病人数据的分析预测健康问题，使得在大病发生之前能够及时预防。

飞行器健康推理引擎

这是一款比IMS更加古老的软件，如今却成功应用于在线定向广告推送业务。随着网上购物的兴起，我们一定体验到了这样的经历：自从你买了某款产品后，你会经常收到与其相似的产品的广告邮件，甚至打开某个购物网站，首先看到的也是类似的产品。这是许多公司引以为豪的用户习惯分析系统做出的决策。如果你上一次的购物体验很满意，这种定向推送倒也能让人接受；但如果购物体验不好，你对买来的产品并不满意，这种自作聪明的做法无疑在一次次勾起你的不愉快的回忆。

然而，这种情况即将得到改善！位于加州的Beyond Limits 公司得到了NASA 喷气推进实验室的授权，即将开发出一种更加智能的软件，它不再机械地根据用户购买的记录或搜索产品时键入的内容来推送广告，而是试图理解用户的最终意图并推出合适的推荐广告。这套软件源自NASA的飞行器健康推理引擎，由喷气推进实验室推理、建模与仿真工作组的科学家马克·詹姆斯开发。

SHINE本质上是一套专家系统，它存贮了大量的人类知识（知识必须以一种计算机能够理解的形式存贮），通过推理机制对某个命题进行分析，找出最有可能或最接近的答案。SHINE与传统的专家系统工具CLIPS（该工具也是由NASA开发的）相比，后者每秒执行4万条规则，需要占用20Mb的内存，而SHINE每秒运行100～300万条规则，只占用20～30Kb的内存（所需内存减少了1000倍！）。

SHINE首次成功应用于“旅行者”号飞行器，那已经是1989年的事了。后来应用场合不断增多，也扩展到了许多军事领域。SHINE一直在持续改进中，变得更快，更聪明，并已能嵌入到设备中，对仪表系统、机器人、信息安全系统等进行故障诊断。

Beyond Limits公司还得到了NASA的另一个授权产品：Hunter。这是6年前詹姆斯开发的自然语言理解系统。一般分析自然语言的系统采用模式匹配和语法分析的手段，而Hunter采用单一的“代表性陈述”并能形成上百种方式去改述它，从而寻求这句话的真正意图而不单纯从语法上去解析它。

Beyond Limits成立于2012年，得到NASA授权后，着手将这些软件用于在线定向广告推送。在当今社会，各大公司已经发现在线广告更加普及，手机、平板设备、可穿戴设备……人们可以随时获取各种信息。但成千上万的在线广告既令用户无所适从，也让各公司觉得很难突出自身特点。

如何更有效地定位用户需求并有目标地推送广告呢？这正是Beyond Limits所要解决的。软件试图理解用户一定时期内的真正意图，它假设任一互联网用户最初的意图和观点是不确定的，并且随着时间会改变。例如某个人查看了玩具商店，可能仅仅是在搜寻婴儿沐浴礼物，并不是要购买玩具。通过Hunter，该软件不仅仅判断用户参观的网页地址，还分析他所阅读的特定内容，并结合SHINE推理出用户的真正意图。

随着商业市场上的推广应用，NASA自身也受益，包括SHINE在内的软件不断得到升级完善。

经过多年的研究，NASA在故障诊断和健康监测管理方面使用的工具逐渐集中到三类：SHINE，IMS和TEAMS。其中SHINE是早期的产品，采用专家系统技术；而IMS是数据驱动下的自学习机制，使用更加灵活；TEAMS则是基于模型的推理。故障诊断和健康监测管理是人工智能技术应用较为广泛的领域，对这些软件或工具而言，诊断的准确性和可信度是至关重要的，但这需要大量的样本来检测，正常状态和异常状态的样本都需要。然而仅靠航天工业自身无法提供足够的样本，因此NASA的技术转让，还不如看作是利用其它领域的应用来完善设计。并且故障的误诊或漏诊可能造成航天项目的重大损失，但对商业应用而言，不恰当的广告推送最多损失了一些潜在的客户，基本没有风险，何乐不为呢！

编后语：有了IMS，是否可以不用去看医生呢？想想自己每每浏览一个网页，竟有一些软件在背后分析自己的意图！人工智能带给我们的究竟是喜还是忧？但不管怎样，这些技术对降低航天成本、减少人力开支还是大有裨益的。