当涉及到对不熟悉的数据做出实时决策时——比如，选择一条你从未攀登过的山峰的路径——现有的人工智能和机器学习技术并不适用 close 来衡量人类的技能。 这就是美国宇航局科学家约翰莫伊桑正在开发人工智能“眼睛”的原因。
Moisan 是弗吉尼亚州钦科蒂格附近的 NASA Wallops 飞行设施的海洋学家，他说人工智能将指导他的 A-Eye，一种可移动的传感器。 在分析图像后，他的 AI 不仅会在新数据中找到已知模式，还会引导传感器观察和发现新特征或生物过程。
Moisan 说：“真正智能的机器需要能够识别出它何时遇到真正新颖且值得进一步观察的事物。” “大多数人工智能应用程序都是用熟悉的数据训练的映射应用程序，以识别新数据中的模式。你怎样教机器识别它不理解的东西，停下来说‘那是什么？让我们仔细看看。’ 这就是发现。”
戈达德人工智能专家 James MacKinnon 表示，在复杂数据中寻找和识别新模式仍然是人类科学家的领域，而人类的视觉方式起着很大的作用。 科学家通过查看有助于揭示数据中不同变量之间关系的可视化来分析大型数据集。
MacKinnon 说，训练计算机实时查看大数据流以查看这些联系是另一回事。 尤其是在计算机尚未经过识别训练的数据中寻找相关性和相互关系时。
像这样的红外图像来自马里兰州/弗吉尼亚州东岸沿海屏障和后海湾地区的沼泽地区，为科学家们揭示了有关植物健康、光合作用以及影响植被和生态系统的其他条件的线索。 信用：约翰·莫伊桑
Moisan 打算首先将他的 A-Eye 用于解释来自地球复杂的水生和沿海地区的图像。 他预计今年将实现这一目标，利用之前在德尔马瓦半岛上空飞行的观察结果来训练人工智能。 后续资金将帮助他完成光学指向目标。
“你怎样在扫描中挑选出重要的东西？” 莫伊桑问道。 “我希望能够快速将 A-Eye 对准扫描中扫过的东西，这样我们就可以从偏远地区获得了解环境场景所需的一切。”
Moisan 的机载 AI 将实时扫描收集的数据以搜索重要特征，然后操纵光学传感器收集更详细的红外和其他频率数据。
会思考的机器可能会在未来对我们宇宙的探索中发挥更大的作用。 复杂的计算机被教导识别可以指示生命过程的化学特征，或熔岩流或陨石坑等景观特征，可能会增加从月球或深空探索返回的科学数据的价值。
MacKinnon 说，当今最先进的人工智能还没有做好做出关键任务决策的准备。
“你需要一些方法来感知场景并将其转化为决定，这真的很难，”他说。 “对于科学家来说，最可怕的事情是丢弃可能有价值的数据。人工智能可能会优先考虑首先发送哪些数据，或者拥有一种可以引起对异常情况的注意的算法，但最终，它会成为一名科学家，研究那些导致发现的数据。”
