1樓：王大錘
當人類進行星際探險的時候，機械人的AI將代替人類操縱機械人完成躲避障礙，評估威脅，地表勘探，礦物取樣等等科研活動，距離人類最近的火星，光從地球出發到火星需要十分鐘，網路延遲太高怎麼玩。這時候AI的優勢就體現出來了，不用食物只依靠電力 ，在荒蕪的地表拍照，傳送訊號到地球。自動越過障礙，自定路線以最快的速度完成最多的目標，人類只需要在地球觀察資料，重新指定目標。
NASA計畫把人從地球送到火星，需要一年半時間，人一天就算吃壓縮乾糧，也需要大約800g，乙個人就需要五百多公斤的食物，且不說水這種珍貴的物資。火箭每增加一公斤 ，立刻增加一百美刀的錢。機械人就沒這問題，不吃不喝只需要帶幾塊太陽能板，進入地表不需要人類操心，省下的經費又可以進行別的太空活動。
2樓：劉援朝
探測器可以更自動化，不用跟以前一樣屁大點事都得地球遙控來做。以前得瞅著有著巨大延遲的影象一步一步往前挪，現在可以就給個指令，開到前面那塊石頭那，火星車通過影象識別自動避障自己就開過去了。有啥故障，自己就可以做個初步判斷，緊急的故障自己就可以先處理，不用地球這邊的控制中心乾著急。
工作效率成倍提高。至於科幻上講爛的那種人工智慧，那個還是省省吧早著嘞。
3樓：赤子之心
登陸火星，人工智慧相比人類，在承載登陸時的重力，以及長期太空旅行對食物空氣的需求，還有面臨在火星表面探索時遇到火星沙暴等方面更具有優勢。未來應該是人類和人工智慧的組合，例如腦機互動的模組化智慧型機械人，利用3D列印裝置列印零部件，可以完全由一台機械人維修另一台受損的機械人。
這在一到兩年的地球——火星的運輸週期下是非常必要的。
4樓：北落北海
我覺得最有可能的是，作為一種新的物種，直接代替人類。
人工智慧沒有壽命限制，有更加強大的計算能力，沒有食物需求沒有社交需求不會孤獨，甚至不需要身體承載。唯一需要的只是能源，比較人類真是太適合星際探索了。
5樓：傅渥成
廣義的「太空探索」應該也包括一些天文學的觀測和理論研究，事實上，現在的天文學很大程度上就是一門資料科學，在天文學觀測資料的分析上，早就已經有大量應用機器學習演算法的例子。例如用自動編碼器進行非線性降維，進而研究恆星的吸收譜：
NLPCA - nonlinear PCA - auto-associative neural networks - autoencoder bottleneck neural networks - Matthias Scholz
在近年來，一些神經網路的方法也被用到了天文學研究中。普及性的介紹可以參考：
（1）A look at deep learning for science ，中文翻譯版：科學領域中的深度學習一覽
（2）Manifold Learning and Deep Autoencoders in Science
裡面提到的一些代表性的工作包括：
（1）用生成模型研究星系的形狀，相關的研究可以幫助我們從較少的觀測資料中更準確地推斷星系的形態。http://
people.eecs.berkeley.edu
/~jregier/publications/regier2015deep.pdf
（2）用去噪卷積自動編碼器研究宇宙學質量圖（cosmology mass maps）中的模式，相關研究對於研究宇宙中的暗物質分布有重要的意義。shiwangi27/deep_learning_cosmology
人工智慧在邁向強人工智慧的道路上，目前正面臨哪些難點呢？
陳孝良 讓機器學好人類語言這門對機器來說的外語，AI連線了人和物，其強大的基礎是資訊互動的準確和快速，我們人類其實也是這樣，不管是修路還是建網，都需要先解決資訊的不對稱問題。 NN陳 就乙個難點，能聽懂人話。推理最基本的就是要會用語言。讓人明白你是怎麼想的。愛因斯坦研究的理論如果其他人都無法明白其原...
人工智慧在醫療領域會有什麼發展？
在這個科技時代，人工智慧的應用領域沒有界限。人工智慧曾被認為是對人類未來的威脅，但它現在通過加強和補充醫療提供者和患者之間的互動，改變和拯救生命。人工智慧在醫療領域中的應用前景非常廣闊，具體應用場景可以有 通過在決策支援 影象分析和患者分診等方面的應用，改變行業規則。決策支援系統具有減少變異和重複測...
人工智慧和人工智慧深度學習是通過怎樣的原理實現的？
C飛花逐夢 人工智慧實際上是乙個很大的概念，而深度學習是其中的乙個重要分支，或者說是一種重要方法。實際上深度學習背後的神經網路概念很早就有提出，隨著算力的提高，以及BP等理論的提出，過去認為不太可行的做法現在變得可行了，深度學習近年來的大熱離不開這樣的背景，而深度學習的成功應用也一下子把AI再次推向...