如何在数据量极其匮乏的情况下训练出聪明且温暖的太空 AI？

在 2019 世界人工智能大会上，IBM 人工智能顾问 Sophie Richter-Mendau讲述了为什么 IBM 和空中客车公司（AirBus）会在德国航空太空中心（DLR）授予下共同研发了宇航员交互式移动伙伴 Project CIMON（全称为 Crew Interactive Mobile Companion）。

这是人类历史上，第一位兼具了情商与智商的「友好型」宇航员交互式移动伙伴。

作为专用 AI，CIMON 可以用来训练的数据量非常匮乏，而深度学习本身就非常依赖数据，那么，在宇航员本身数据量这么有限的情况下，如何获取到更多的数据进行学习？Sophie 表示：「我们从真实实验中获取的数据是最有裨益的，同时，我们也在通过地面实验室采集模拟数据进行分析，这是一个可行的方向。」

同时，Sophie 还谈到了一个至关重要的问题，那便是时延。Project CIMON 所实现的各种 AI 功能是基于 IBM Cloud 通过卫星网络的数据链路进行实时连接的，这意味着每一次给 CIMON 发出指令时，指令需要经过「卫星-地面卫星接收站-IBM 云数据中心-传回太空」的步骤，再加上在地球上的指令处理时间，导致在太空中与 CIMON 对话时，有会 2 秒的时延。

对此，Sophie 谈到了正在尝试的解决方案：「在本地（指太空）运行的部分越多，速度就越快，时延也就会越短，但问题在于，就边缘计算而言，我们能够在空间站实现多少算力还待探究。目前，我们正在尝试通过 Watson Anywhere 和 Cloud Pak for Data 的融合来进一步压缩所需的算力。」