美國太空總署（NASA）努力在遙遠的宇宙裡尋找生命一事獲得不少關注，但鮮為人知的是他們最近正努力不讓小行星造成地球人口滅絕。
由三個使用 GPU深度學習技術的研究團隊，與研究宇宙生命的非營利機構 SETI 協會合作，整個夏天在 NASA 的尖端發展實驗室（FDL）裡，致力於解決小行星相關的挑戰。
FDL 使用了搭載 GPU 的「應用研究加速器」平台，將原本要耗費六個月以上才能完成的工作，如今只要六週的時間便可處理完畢。
FDL 本身即是一項回應白宮「小行星大挑戰」（Asteroid Grand Challenge）項目而發展出的實驗室，此一項目旨於讓研究人員「找出對人類造成威脅的小行星，找出相對應的辦法」。GPU 運算技術的現身，讓 NASA 和 SETI 等組織能夠分析太空項目相關的大型資料組。
FDL 主任 James Parr 表示該實驗室的目標係以兩種方式來解決問題：在行星防衛機制上運用機器學習技術，展現應用研究加速器讓重大突破進展快速進行工業化的能力。
FDL 挑出一支由12名優秀研究生組成的實習生團隊，實習期間待在矽谷 NASA 阿姆斯研究中心，並且在鄰近的 SETI 機構設施內進行個別的研究項目。
將機器學習用在搜尋上
FDL 將這群實習生拆成三組，每組針對小行星防衛措施裡適合進行機器學習的一項要素進行研究。這三項要素為：評估偏離技術、從雷達數據建立形狀模型，以及對墜落的隕石進行定位，以判斷其組成結構。
他們的整體目標為：在因應可能對人類造成危害的小行星，要解決的三大問題。
小行星是由什麼組成的？
學生們設計出一架尋找田野間隕石的自動飛行無人機，利用 GPU 輔助的深度學習模型來打造自動隕石偵測系統，並且使用25,000張隕石圖片資料庫及1500萬張圖片影像庫進行訓練。Parr 說 0.7% 的偽陽性率還是太高，發展尋找隕石的無人機這條路卻已是相當明朗。
小行星的形狀為何? 它的質心是什麼？
必須先掌握小行星的形狀，才能評估可能的偏離情況。Parr 說過去想要產生出一顆小行星的形狀，得使用五萬行的程式碼，讓電腦跑上一段時間才能做到，而且還要進行四週的人工引導迭代作業。
FDL 團隊用上 GPUs 和機器學習技術，只要幾小時的運算時間便能找出小行星的轉軸；接著他們使用 Parr 說是「先進方法」的技術，繞過舊有的程式碼，直接進行最後的迭代作業。Parr 說初期就出現相當好的結果，將原本數週的運算作業縮短到幾毫秒便完成。
讓小行星偏離的最好辦法是？
過去只在四條可能的軌道上分析各種小行星偏離技術，FDL 團隊使用 GPUs 和機器學習技術來建立可用在八十萬個模擬軌道上的分析模型，這對於解決小行星撞擊一事是件相當出色的進展。
GPUs 加快太空計畫的進展
Parr 強調要是少了 NVIDIA 提供給 FDL 的四顆 TITAN X 及八顆 Pascal 架構 GPU，便無法達到這項成績。這些讓各組實習生能發揮利用深度學習方法之大型資料組的優勢。
「（GPUs）的重要性或許跟上世紀60年代末期，微處理器對阿波羅太空船來說一樣重要。」Parr 說。
或許某一天這些在 GPU 輔助下誕生出的科技發展，能挽救人類免於遭受天降滅絕的危機，不過在此之前仍有待努力。
Parr 說：「在我們能成功阻止小行星撞擊地球上人口稠密區之前，仍有待解開許多未解之謎。」