Каждый может помочь. NASA просит помощи в обучении ИИ марсоходов, чтобы они лучше исследовали Марс
ИИ имеет огромный потенциал изменить способ исследования Вселенной космическими аппаратами. Но все алгоритмы машинного обучения должны быть созданы людьми. Именно поэтому NASA в новом проекте обращается за помощью к общественности и просит обозначить элементы, которые представляют научный интерес на изображениях, сделанных марсоходом Perseverance, сообщает Scitechdaily.
Новый проект
Проект под названием AI4Mars является продолжением прошлогоднего проекта, который был основан на изображениях, полученных с марсохода Curiosity. Участники этого проекта отметили на почти 500 тысячах изображений элементы поверхности, необходимые для составления правильных маршрутов для марсохода в Лаборатории реактивного движения НАСА. В результате появился алгоритм под названием SPOC (Soil Property and Object Classification - Классификация свойств почвы и объектов), который мог правильно идентифицировать особенности поверхности почти в 98% случаев.
Алгоритм SPOC
Алгоритм SPOC еще находится в разработке, и ученые надеются, что когда-нибудь его можно будет отправить на Марс на борту будущего марсохода, который сможет даже лучше перемещаться по поверхности, чем позволяет технология AutoNav у марсохода Perseverance.
Изучение новых изображений с Марса, которые присылает Perseverance сделают алгоритм SPOC еще лучше. В рамках проекта AI4Mars можно отметить еще больше научно важных деталей поверхности. Цель состоит в том, чтобы улучшить алгоритм, который мог бы помочь будущему марсоходу выбирать важное из огромного количества данных, отправленных с Марса.
Сотни изображений
Марсход Perseverance ежедневно отправляет на Землю от нескольких десятков до нескольких сотен изображений, чтобы ученые могли изучить конкретные геологические особенности. Но изображения идут слишком долго, и после их получения на Земле, ученым и инженерам нужно за несколько часов проанализировать эти данные, чтобы отправить обратно марсоходу новые инструкции по передвижению.
"Это сэкономило бы нам время, если бы существовал алгоритм, который мог находить и анализировать важные данные, и тогда научная группа могла бы изучить эти области более подробно", - говорит Вивиан Сан, из Лаборатории реактивного движения NASA.
SPOC требует тщательной проверки от ученых, особенно на этой стадии разработки, чтобы гарантировать точность маркировки. Но даже когда он улучшится, алгоритм не предназначен для замены более сложных анализов, проводимых учеными-людьми.
Все дело в данных
По словам Хиро Оно, исследователя искусственного интеллекта в Лаборатории реактивного движения NASA, ключ к любому успешному алгоритму - это хороший набор данных. Чем больше доступно отдельных фрагментов данных, тем больше обучается алгоритм.
"Машинное обучение сильно отличается от обычного программного обеспечения", - говорит Оно. "Это не похоже мозг. Ему нужен хороший набор данных, чтобы он мог их обработать и усвоить".
С помощью такого алгоритма марсоход сможет автоматически выбирать научные цели для изучения и движения, говорят ученые. Он также может хранить различные изображения на борту марсохода, а затем отправлять обратно только конкретные изображения, которые интересуют ученых.
"Если кто-то за пределами NASA создаст алгоритм, который работает лучше, чем наш, используя наш набор данных, это будет здорово", - говорит Оно.
Вы можете посетить эту страницу, чтобы научить марсоходы правильно классифицировать марсианский ландшафт.
Это компьютерное моделирование показывает марсоход Perseverance, который совершил свой первый выезд, используя функцию автонавигации, которая позволяет ему избегать камней и других опасностей без участия инженеров на Земле.
Подробнее о миссии
Ключевой целью миссии Perseverance на Марсе является астробиология, включая поиск признаков древней микробной жизни. Марсоход изучает геологию планеты и климат, а также собирает образцы горных пород. NASA вместе Европейским космическим агентством отправят космический корабль на Марс, чтобы забрать эти образцы поверхности и вернуть их на Землю для углубленного анализа.
