Life and AI at NASA: An Ethnography of How Scientists and Engineers Make Tools to Explore Other Worlds
Doktorsavhandling, 2026
Artificial intelligence (AI) is increasingly introduced into scientific practices, including NASA’s missions that explore conditions for life and habitability on other planets and moons. How does the development of new AI tools within these missions transform scientific knowledge production?
Drawing on theories from Science and Technology Studies (STS), this dissertation analyzes science as a cultural practice. It is based on ethnographic research conducted at NASA and within the wider community of planetary scientists and astrobiologists, including interviews and documentary materials.
The dissertation demonstrates how efforts to realize visions of autonomous science beyond Earth already reshape the everyday work of scientists on the ground. It shows how AI is shaped by organizational structures, knowledge infrastructures, and scientific cultures at NASA, while simultaneously feeding back into these dimensions. Boundary work to sustain the legitimacy of planetary missions influences the purposes for which AI can be developed – to identify organic molecules, to explore habitability and potential biosignatures.
The study further shows how field sites, laboratories, and national databases together constitute a knowledge infrastructure that shapes AI by determining which data are available for training. Choices of field sites are influenced by accessibility and symbolic value, rendering some places more popular than others, which skews knowledge production. Digital databases and AI training datasets serve as libraries of knowns against which the unknown is identified. Decisions about anomalies, artifacts, and novelty in data are central to both AI design and scientific discovery. The study highlights the limits of performance metrics and the importance of negotiations with domain experts, particularly in the emerging use of synthetic data.
Although AI remains at an early stage of development in the cases studied, it already reshapes power relations in scientific knowledge production by introducing new ideals of epistemic order and altering who determines the value and usability of data.
By providing an empirical account of AI development in one of the most impactful scientific institutions, this dissertation contributes to discussions about data-driven solutions in science, and the epistemic consequences of using AI in science on Earth and beyond.
Drawing on theories from Science and Technology Studies (STS), this dissertation analyzes science as a cultural practice. It is based on ethnographic research conducted at NASA and within the wider community of planetary scientists and astrobiologists, including interviews and documentary materials.
The dissertation demonstrates how efforts to realize visions of autonomous science beyond Earth already reshape the everyday work of scientists on the ground. It shows how AI is shaped by organizational structures, knowledge infrastructures, and scientific cultures at NASA, while simultaneously feeding back into these dimensions. Boundary work to sustain the legitimacy of planetary missions influences the purposes for which AI can be developed – to identify organic molecules, to explore habitability and potential biosignatures.
The study further shows how field sites, laboratories, and national databases together constitute a knowledge infrastructure that shapes AI by determining which data are available for training. Choices of field sites are influenced by accessibility and symbolic value, rendering some places more popular than others, which skews knowledge production. Digital databases and AI training datasets serve as libraries of knowns against which the unknown is identified. Decisions about anomalies, artifacts, and novelty in data are central to both AI design and scientific discovery. The study highlights the limits of performance metrics and the importance of negotiations with domain experts, particularly in the emerging use of synthetic data.
Although AI remains at an early stage of development in the cases studied, it already reshapes power relations in scientific knowledge production by introducing new ideals of epistemic order and altering who determines the value and usability of data.
By providing an empirical account of AI development in one of the most impactful scientific institutions, this dissertation contributes to discussions about data-driven solutions in science, and the epistemic consequences of using AI in science on Earth and beyond.
social studies of outer space
NASA
space explorations
AI in science
synthetic data
epistemic cultures
truth-spots
science and technology studies
epistemic responsibility
machine learning
Författare
Alicja Ostrowska
Chalmers, Teknikens ekonomi och organisation, Science, Technology and Society 00
Avhandlingen Life and AI at NASA handlar om hur artificiell intelligens (AI) håller på att förändra hur vetenskap bedrivs inom några av världens mest ambitiösa rymdprojekt. Avhandlingen undersöker hur AI används i Nasas arbete med att utforska om det finns – eller har funnits – liv på andra planeter och månar, och vad detta betyder för hur kunskap produceras. Istället för att se AI endast som ett tekniskt verktyg visar studien att tekniken formas av de människor, organisationer och kulturer som utvecklar och använder den.
Genom etnografiska studier, intervjuer och dokumentanalys följer avhandlingen forskare och ingenjörer inom planetforskning och astrobiologi. Den visar hur visioner om ”autonom vetenskap” – där rymdsonder själva analyserar data och fattar beslut långt från jorden – redan påverkar det dagliga arbetet hos forskare på jorden. AI utvecklas inte i ett vakuum, utan anpassas till Nasas organisatoriska strukturer, befintliga databaser och etablerade vetenskapliga normer. Samtidigt håller AI på att förändra dessa strukturer.
Ett centralt resultat är att data spelar en avgörande roll. Vilka platser på jorden som används som testmiljöer, vilka prover som samlas in och vilka databaser som byggs upp påverkar vilka typer av AI som kan tränas. Vissa miljöer blir överrepresenterade eftersom de är lättillgängliga eller symboliskt viktiga, medan andra hamnar i skymundan. Databaser och träningsdata fungerar som bibliotek över det ”kända”, mot vilket det okända – till exempel möjliga spår av liv – ska identifieras. Frågor om vad som räknas som anomalier, fel eller faktiska nya upptäckter i data blir avgörande, både för AI-system och för vetenskapliga tolkningar.
Avhandlingen visar också att AI, trots att tekniken fortfarande är under utveckling, redan påverkar maktförhållanden inom vetenskapen. Nya ideal för vad som räknas som tillförlitlig kunskap växer fram, och inflytandet över data och analys förskjuts. Genom att undersöka AI-utveckling på Nasa bidrar studien till en bredare förståelse av hur datadriven forskning förändrar sättet hur kunskap produceras – inte bara i rymden, utan även här på jorden.
Genom etnografiska studier, intervjuer och dokumentanalys följer avhandlingen forskare och ingenjörer inom planetforskning och astrobiologi. Den visar hur visioner om ”autonom vetenskap” – där rymdsonder själva analyserar data och fattar beslut långt från jorden – redan påverkar det dagliga arbetet hos forskare på jorden. AI utvecklas inte i ett vakuum, utan anpassas till Nasas organisatoriska strukturer, befintliga databaser och etablerade vetenskapliga normer. Samtidigt håller AI på att förändra dessa strukturer.
Ett centralt resultat är att data spelar en avgörande roll. Vilka platser på jorden som används som testmiljöer, vilka prover som samlas in och vilka databaser som byggs upp påverkar vilka typer av AI som kan tränas. Vissa miljöer blir överrepresenterade eftersom de är lättillgängliga eller symboliskt viktiga, medan andra hamnar i skymundan. Databaser och träningsdata fungerar som bibliotek över det ”kända”, mot vilket det okända – till exempel möjliga spår av liv – ska identifieras. Frågor om vad som räknas som anomalier, fel eller faktiska nya upptäckter i data blir avgörande, både för AI-system och för vetenskapliga tolkningar.
Avhandlingen visar också att AI, trots att tekniken fortfarande är under utveckling, redan påverkar maktförhållanden inom vetenskapen. Nya ideal för vad som räknas som tillförlitlig kunskap växer fram, och inflytandet över data och analys förskjuts. Genom att undersöka AI-utveckling på Nasa bidrar studien till en bredare förståelse av hur datadriven forskning förändrar sättet hur kunskap produceras – inte bara i rymden, utan även här på jorden.
Styrkeområden
Informations- och kommunikationsteknik
Building Futures (2010-2018)
Livsvetenskaper och teknik (2010-2018)
Drivkrafter
Hållbar utveckling
Innovation och entreprenörskap
Ämneskategorier (SSIF 2025)
Annan samhällsvetenskap
DOI
10.63959/chalmers.dt/5814
ISBN
978-91-8103-357-1
Doktorsavhandlingar vid Chalmers tekniska högskola. Ny serie: 5814
Utgivare
Chalmers
Vasa B, Vera Sandbergs Allé 8
Opponent: Marisa Cohn, IT University of Copenhagen, Denmark