Искусственный интеллект помогает ученым открывать свежие кратеры на Марсе

В мае 2012 года метеор пролетел по марсианскому небу и разлетелся на части, врезавшись в поверхность планеты. Образовавшиеся кратеры были относительно небольшими – всего 4 метра в диаметре. Чем меньше объекты, тем труднее их обнаружить с помощью марсианских орбитальных аппаратов. Но в этом случае – и впервые – ученые заметили их с небольшой дополнительной помощью: искусственного интеллекта (ИИ).

Это важная веха для планетологов и исследователей искусственного интеллекта из Лаборатории реактивного движения НАСА  в Южной Калифорнии, которые вместе работали над созданием инструмента машинного обучения, который помог сделать это открытие. Это достижение дает надежду как на экономию времени, так и на увеличение объема находок.

Обычно ученые проводят часы каждый день, изучая изображения, полученные с помощью орбитального аппарата NASA Mars Reconnaissance Orbiter (MRO), в поисках изменяющихся явлений на поверхности, таких как пылевые дьяволы, лавины и смещающиеся дюны. За 14 лет работы орбитального аппарата на Марсе ученые полагались на данные MRO, чтобы найти более 1000 новых кратеров. Обычно они сначала обнаруживаются с помощью контекстной камеры космического корабля, которая делает снимки с низким разрешением, охватывающие сотни километров за раз.

На этих изображениях будут выделяться только следы взрыва вокруг места удара, а не отдельные кратеры, поэтому следующим шагом будет более подробный анализ с помощью научного эксперимента по визуализации изображений с высоким разрешением или HiRISE. Инструмент настолько мощный, что может видеть детали так же хорошо, как следы, оставленные марсоходом Curiosity.

Этот процесс требует терпения, и исследователю требуется около 40 минут для тщательного сканирования одного изображения с контекстной камеры. Чтобы сэкономить время, исследователи JPL создали инструмент, называемый автоматическим классификатором свежих ударных кратеров, в рамках более широкой программы JPL под названием COSMIC (Сбор данных на борту для отслеживания изменений на изображениях), которая разрабатывает технологии для будущих поколений орбитальных аппаратов Марса.

Чтобы обучить классификатор кратеров, исследователи предоставили ему 6 830 изображений с контекстной камеры, включая изображения мест с ранее обнаруженными кратерами, которые уже были подтверждены с помощью HiRISE. В инструмент также были загружены изображения без свежих воздействий, чтобы показать классификатору, чего не следует искать.

После обучения классификатор был подключен ко всем репозиториям Context Camera, содержащем около 112 000 изображений. Работа на суперкомпьютерном кластере в JPL, состоящем из десятков высокопроизводительных компьютеров, процесс, который занимает у человека 40 минут, в среднем занимает у инструмента искусственного интеллекта всего пять секунд.

«Было бы невозможно обработать более 112 000 изображений в разумные сроки без распределения работы по множеству компьютеров», – сказал ученый JPL Гэри Доран. «Стратегия состоит в том, чтобы разбить проблему на более мелкие части, которые можно решать параллельно».

Но, несмотря на всю эту вычислительную мощность, классификатор по-прежнему требует, чтобы человек проверял его работу.

«Искусственный интеллект не может провести такой квалифицированный анализ, как ученый, – сказал специалист JPL Кири Вагстафф. «Но такие инструменты, как этот новый алгоритм, могут быть их помощниками. Это открывает путь к захватывающему симбиозу людей и «исследователей»ИИ, работающих вместе для ускорения научных открытий».

26 августа 2020 года HiRISE подтвердил, что темное пятно, обнаруженное классификатором в области под названием Noctis Fossae, на самом деле было скоплением кратеров. Команда уже представила более 20 дополнительных кандидатов HiRISE для проверки.

Хотя этот классификатор кратеров работает на компьютерах на Земле, конечной целью является разработка аналогичных классификаторов, предназначенных для использования на борту будущих орбитальных аппаратов. Прямо сейчас данные, отправляемые на Землю, требуют от ученых просеивания, чтобы найти интересные изображения, что очень похоже на попытку найти иголку в стоге сена, сказал Майкл Мундж, аспирант Технологического института Джорджии, который работал над классификатором в качестве стажера в JPL.

«Есть надежда, что в будущем ИИ сможет отдавать приоритет орбитальным изображениям, которые, скорее всего, заинтересуют ученых», – сказал Мунже.

«Вероятно, существует гораздо больше количество кратеров, которые мы еще не обнаружили», – сказала она. «Этот прогресс показывает, как много мы сможем сделать с помощью новых миссий, используя современные методы анализа изображений».

Источник: aboutspacejornal.net