Możesz pomóc wyszkolić łazik NASA, aby lepiej eksplorował Marsa

Członkowie społeczeństwa mogą teraz pomóc w nauce algorytmu sztucznej inteligencji rozpoznawania cech naukowych na obrazach uchwyconych przez statek kosmiczny NASA Perseverance.

Sztuczna inteligencja, czyli sztuczna inteligencja, ma ogromny potencjał, aby zmienić sposób, w jaki statki kosmiczne NASA badają wszechświat. Ale ponieważ wszystkie algorytmy uczenia maszynowego wymagają szkolenia od ludzi, niedawny projekt prosi członków społeczeństwa o kategoryzację interesujących naukowców cech obrazów wykonanych przez łazik marsjański NASA.

Projekt nosi nazwę AI4Mars i jest kontynuacją projektu rozpoczętego w zeszłym roku, opartego na zdjęciach z łazika Curiosity NASA. Uczestnicy pierwszej fazy tego projektu oznaczyli prawie pół miliona zdjęć, używając narzędzia do identyfikacji cech, takich jak piasek i skały, które kierowcy łazików w Jet Propulsion Laboratory NASA obserwują podczas mapowania ścieżek do Czerwonej Planety. Efektem końcowym był algorytm o nazwie SPOC (Soil and Object Specification Classification), który potrafi poprawnie zidentyfikować te cechy w prawie 98% przypadków.

SPOC jest wciąż w fazie rozwoju, a naukowcy mają nadzieję, że pewnego dnia zostanie wysłany na Marsa przyszłym statkiem kosmicznym, który może wykonywać bardziej autonomiczną jazdę, niż pozwala na to technologia AutoNav firmy Perseverance.

Obrazy z Perseverance poprawią SPOC poprzez rozszerzenie rodzajów etykiet identyfikacyjnych, które można zastosować do obiektów na Marsie. AI4Mars udostępnia teraz etykiety umożliwiające identyfikację bardziej drobnych szczegółów, umożliwiając użytkownikom wybór opcji, takich jak pływające skały („wyspy” skał) lub guzki (kulki wielkości BB, często składające się z wody, ze sklejonych ze sobą minerałów).

Celem jest dopracowanie algorytmu, który mógłby pomóc przyszłemu łazikowi zbierać igły ze stosu siana danych wysłanych z Marsa. Wyposażony w 19 kamer, Perseverance wysyła codziennie od dziesiątek do setek obrazów z powrotem na Ziemię, aby naukowcy i inżynierowie mogli przeszukać określone cechy geologiczne. Ale czasu jest mało: po tym, jak te zdjęcia przebyły miliony mil z Marsa na Ziemię, członkowie zespołu mają kilka godzin na opracowanie kolejnego zestawu instrukcji, w oparciu o to, co widzą na tych zdjęciach, aby wysłać je, aby wytrwały.

„Żaden naukowiec nie jest w stanie codziennie przyjrzeć się wszystkim obrazom w łączu w dół z bliska w tak krótkim czasie”, powiedziała Vivian Sun, naukowiec z JPL, który pomaga koordynować codzienne operacje wytrwałości i konsultuje projekt AI4Mars. „Zaoszczędziłoby nam to czasu, gdyby istniał algorytm, który mógłby powiedzieć:„ Myślę, że widziałem tutaj żyły lub guzki ”, a następnie zespół naukowy mógłby bardziej szczegółowo przyjrzeć się tym obszarom”.

Szczególnie na tym etapie rozwoju SPOC wymaga wielu walidacji naukowców, aby zapewnić dokładne oznakowanie. Ale nawet gdy algorytm ulegnie poprawie, nie ma on na celu zastąpienia bardziej złożonych analiz prowadzonych przez naukowców-człowieka.

Chodzi o dane

Kluczem do sukcesu każdego algorytmu jest dobry zestaw danych, powiedział Hiro Ono, badacz sztucznej inteligencji w Jet Propulsion Laboratory, który kierował rozwojem AI4Mars. Im więcej dostępnych jest pojedynczych fragmentów danych, tym więcej algorytm się uczy.

„Uczenie maszynowe bardzo różni się od zwykłego oprogramowania” — powiedział Ono. „To nie jest jak robienie czegoś od zera. Pomyśl o tym, jak o rozpoczęciu z nowym umysłem. W tym przypadku większy wysiłek polega na uzyskaniu dobrego zestawu danych, aby nauczyć ten mózg i masować dane, aby lepiej się go nauczył”.

Badacze sztucznej inteligencji mogą trenować swoje algorytmy związane z Ziemią na dziesiątkach tysięcy obrazów, na przykład domów, kwiatów czy kociąt. Ale nie było takiego archiwum danych dla powierzchni Marsa przed projektem AI4Mars. Zespół będzie zadowolony z około 20 000 obrazów w swoim repozytorium, z których każdy ma różne adresowalne funkcje.

Repozytorium danych Marsa może służyć kilku celom, zauważyła Annie Didier z JPL, która pracowała nad wersją utrwalającą AI4Mars. „Korzystając z tego algorytmu, pojazd może automatycznie identyfikować cele naukowe, do których należy jechać” – powiedziała. Może również przechowywać różne obrazy na pokładzie łazika, a następnie odsyłać obrazy konkretnych funkcji, którymi interesują się naukowcy.

To jest na horyzoncie. Jednak naukowcy mogą nie musieć czekać tak długo, aż algorytm przyniesie im korzyści. Zanim algorytm dotrze w kosmos, może zostać użyty do przeskanowania ogromnego publicznego archiwum danych Marsa NASA, co pozwoli naukowcom łatwiej znaleźć cechy powierzchni na tych zdjęciach.

Ono zauważył, że dla zespołu AI4Mars ważne jest publiczne udostępnienie swojego zbioru danych, aby cała społeczność zajmująca się badaniem danych mogła odnieść korzyści.

„Jeśli ktoś spoza JPL tworzy algorytm, który działa lepiej niż nasz, korzystając z naszego zbioru danych, to też świetnie” – powiedział. „Ułatwia dokonywanie kolejnych odkryć”.

Więcej o misji

Astrobiologia jest jednym z głównych celów misji wytrwałości na Marsa, w tym poszukiwania śladów dawnego życia mikrobiologicznego. Łazik będzie charakteryzował geologię planety i przeszły klimat, utoruje drogę do eksploracji Czerwonej Planety przez ludzi, a także będzie pierwszą misją, która zbierze marsjańskie skały i regolit (spękane skały i pył) i przechowa je w skrytce.

Kolejne misje NASA, we współpracy z Europejską Agencją Kosmiczną (ESA), wyślą statek kosmiczny na Marsa w celu zebrania tych zapieczętowanych próbek z powierzchni i zwrócenia ich na Ziemię w celu dogłębnej analizy.

Misja Mars 2020 Perseverance jest częścią programu NASA Lunar-to-Mars Exploration Approach, który obejmuje misje Artemidy na Księżyc, które pomogą przygotować się do ludzkiej eksploracji Czerwonej Planety.