Por redação AIoT Brasil

Uma estudante de engenharia, ainda estagiária no programa Pathways da NASA, é a figura central no desenvolvimento de uma tecnologia que pode ser essencial para diagnosticar, em tempo real, falhas em naves e sistemas de voos espaciais e melhorar a eficiência das missões, ao reduzir o tempo de inatividade. Evana Gizzi trabalha no Goddard Space Flight Center, um laboratório de pesquisas da agência espacial norte-americana, localizado no estado de Maryland, e foi a responsável pela criação do software que recebeu o nome de RAISR, sigla em inglês para “pesquisa em inteligência artificial para resiliência de naves espaciais”.

Em linguagem simples, Evana explicou a ideia em entrevista ao site da NASA: “Uma espaçonave relatando uma falha é como um carro com uma luz de verificação do motor acesa. Você sabe que há um problema, mas não pode necessariamente explicar a causa. É aí que entra o algoritmo RAISR, diagnosticando o motivo do alerta”.

Na prática, a identificação da causa da luz vermelha pode ser bem complexa. Por exemplo, se a temperatura de um instrumento cai muito, a espaçonave detecta essa situação e liga os aquecedores automaticamente. Da mesma maneira, se a corrente em uma linha aumenta, a nave trabalha para isolar o circuito problemático. O que não é possível é o sistema informar em tempo real o que causou esses eventos, especialmente em casos de falha inesperada, quando a espaçonave entra na sombra da Terra ou um micrometeoro danifica um circuito, entre outras situações críticas.

Conrad Schiff, chefe-assistente de tecnologia na divisão de engenharia de software do centro Goddard, disse que a tecnologia desenvolvida por Evana ajuda a fazer conexões que seriam extraordinariamente difíceis para a mente humana: “Não se trata apenas de um processo automatizado. É um sistema autônomo que tenta decifrar um enigma e expor as evidências como um detetive no final de um romance de mistério, para que todos possamos ver quem é o culpado do assassinato – esse é o mesmo princípio aqui. Compreender essas associações ajuda-nos a entender o raciocínio para chegar à conclusão”.

Para isso é preciso seguir uma cadeia lógica de inferências não comuns, o que é complicado mesmo com os recursos de inteligência artificial disponíveis. Evana Gizzi disse que o RAISR usa uma combinação de aprendizado de máquina e técnicas clássicas de IA, com apoio em uma grande quantidade de dados de diferentes fontes. No futuro, a meta é dar um salto ainda mais importante, para evoluir da automação até a autonomia da nave, a fim de que o sistema consiga pensar por si mesmo – e nesse sentido o RAISR pode ser um passo significativo.