Новый инструмент помог обработать более 112 000 изображений.
Инновационный инструмент искусственного интеллекта (ИИ), разработанный НАСА, помог идентифицировать скопление кратеров на Марсе, образовавшихся в течение последнего десятилетия.
Новый алгоритм машинного обучения, автоматизированный классификатор свежих ударных кратеров, был создан исследователями из Лаборатории реактивного движения НАСА (JPL) в Калифорнии-и представляет собой первый случай, когда искусственный интеллект был использован для идентификации ранее неизвестных кратеров на Красной планете, говорится в заявлении НАСА.
Ученые передали алгоритму более 112 000 снимков, сделанных контекстной камерой на орбитальном аппарате НАСА Mars Reconnaissance Orbiter (MRO). Программа предназначена для сканирования фотографий на предмет изменений в особенностях поверхности Марса, которые указывают на появление новых кратеров. В случае с первой партией находок ученые полагают, что эти кратеры образовались в результате падения метеорита в период с марта 2010 года по май 2012 года.
"ИИ не может делать такой квалифицированный анализ, какой может сделать ученый", - сказал в своем заявлении Кири Вагстафф, специалист по компьютерам JPL. - Но инструменты, подобные этому новому алгоритму, могут быть их помощниками. Это открывает путь к захватывающему симбиозу человеческих и искусственных "исследователей" , работающих вместе, чтобы ускорить научные открытия."
Контекстная камера MRO делает снимки с низким разрешением, охватывающие сотни миль или километров за один раз. В то время как этот прибор может помочь найти следы взрыва вокруг удара и сузить область поиска кратера на поверхности планеты, ученые полагаются на прибор MRO High-Resolution Imaging Science Experiment (HiRISE) , чтобы захватить более мелкие детали и идентифицировать отдельные кратеры.
Однако небольшие поверхностные объекты на Марсе трудно обнаружить с помощью одних только орбитальных аппаратов. Этот процесс обычно требует от ученых тратить много часов каждый день на изучение изображений, сделанных космическими аппаратами, такими как MRO. Таким образом, алгоритм классификации кратеров должен сэкономить время исследователей и выявить еще больше кратеров на Красной планете, говорится в заявлении.
"Было бы невозможно обработать более 112 000 изображений за разумное время, не распределив работу между многими компьютерами", - сказал в своем заявлении Гэри Доран, специалист по компьютерам в JPL. "Стратегия состоит в том, чтобы разделить проблему на более мелкие части, которые могут быть решены параллельно.
Исследователи НАСА запрограммировали классификатор кратеров, используя 6 830 снимков, сделанных контекстной камерой. Этот процесс включал в себя фотографии областей, где люди ранее идентифицировали удары, а также областей без кратеров, так что инструмент мог научиться правильно различать особенности поверхности на Красной планете.
Затем исследователи подвергли классификатор кратеров испытанию, передав инструменту 112 000 изображений, сделанных контекстной камерой. Инструмент искусственного интеллекта идентифицировал скопление кратеров в области Марса под названием Noctis Fossae, что исследователи подтвердили с помощью инструмента HiRISE. Инструмент обнаружил 20 дополнительных областей интереса, которые ученые будут изучать более подробно для кратеров.
НАСА надеется использовать подобную классификационную технологию на будущих марсианских орбитальных аппаратах, что поможет ученым сузить орбитальные снимки для дальнейшего изучения и даст более полную картину того, как часто метеоры падают на Марс.
"Вероятно, есть еще много воздействий, которые мы еще не обнаружили", - сказала Ингрид Добар, ученый из JPL и Университета Брауна, который помог разработать классификатор кратеров. "Это продвижение показывает вам, как много вы можете сделать с ветеранскими миссиями, такими как MRO, используя современные методы анализа."
