ناسا در حال آموزش هوش مصنوعی برای تشخیص دهانه های تازه موجود در مریخ است


درباره گذشته به مدت 15 سال ، مدار اطلاعاتی مریخ ناسا در حال چرخش در مدار سیاره سرخ بوده و در حال مطالعه وضعیت آب و هوا و زمین شناسی آن است. این مدار هر روز گنجینه ای از تصاویر و سایر داده های حسی را به عقب می فرستد که دانشمندان ناسا از آنها برای شناسایی مکانهای فرود ایمن مریخ نوردان و درک گسترش یخ آب در کره زمین استفاده کرده اند. مورد توجه ویژه دانشمندان تصاویر دهانه در مدار است که می تواند دریچه ای به تاریخ عمیق کره زمین فراهم کند. مهندسان ناسا هنوز در حال انجام مأموریتی برای بازگرداندن نمونه ها از مریخ هستند. بدون مقیاس هایی که به آنها کمک می کند داده های ماهواره ای از راه دور را با شرایط سطحی کالیبره کنند ، هنگام تعیین سن و ترکیب هر دهانه ، آنها باید فرضیه های بسیار خوبی ارائه دهند.

در حال حاضر ، آنها به راه های دیگری برای تحریک این اطلاعات نیاز دارند. یک روش امتحان شده و درست این است که سن قدیمی ترین دهانه ها را از ویژگی های جدیدترین سیارات خارج کنید. از آنجا که دانشمندان می توانند در طی چند سال – یا حتی چند هفته – از سن برخی از نقاط تأثیرگذار مطلع شوند ، می توانند از آنها به عنوان پایه برای تعیین سن و ترکیب دهانه های بسیار قدیمی استفاده کنند. مشکل یافتن آنهاست. پاک کردن داده های تصویری کره زمین در جستجوی علائم آشکار تأثیر جدید کار طاقت فرسایی است ، اما این دقیقاً همان مشکلی است که AI برای حل آن ایجاد شده است.

اواخر سال گذشته ، محققان ناسا ابتدا از الگوریتم یادگیری ماشین برای یافتن دهانه های مریخی تازه استفاده کردند. هوش مصنوعی ده ها مورد از آنها را در داده های تصاویر مدار مدار مریخ پنهان کرده و راهی جدید و امیدوار کننده برای کاوش سیارات در سراسر منظومه شمسی آشکار کرده است. کیری واگستاف ، دانشمند کامپیوتر در آزمایشگاه پیشرانه جت ناسا و یکی از رهبران تیم تحقیق گفت: “از نظر علمی ، این مسئله هیجان انگیز است زیرا دانش ما را در مورد این ویژگی ها افزایش می دهد.” “داده ها تمام مدت در آنجا بود ، ما فقط خودمان آنها را ندیده بودیم.”

Mars Reconnaissance Orbiter دارای سه دوربین است ، اما Wagstaff و همکارانش هوش مصنوعی خود را با استفاده از تصاویر فقط از تصاویر Context و HiRISE آموزش می دهند. زمینه در دوربین خاکستری وضوح نسبتاً کمی دارد ، در حالی که HiRISE از بزرگترین تلسکوپ انعکاسی ارسال شده به فضای عمیق برای ایجاد تصاویر با وضوح تقریباً سه برابر بیشتر از تصاویر استفاده شده در Google Maps استفاده می کند.

ابتدا ، نزدیک به 7000 تصویر مداری از مریخ به AI ارسال شد – برخی از آنها دارای دهانه های از قبل کشف شده و برخی دیگر بدون هیچ گونه – برای آموزش الگوریتم نحوه تشخیص یک ضربه جدید. پس از اینکه طبقه بندی کننده توانست دقیقاً دهانه های موجود در کیت آموزش را تشخیص دهد ، واگستاف و تیمش الگوریتم ابر رایانه را در آزمایشگاه پیشرانه جت بارگیری کردند و از آن برای خواندن پایگاه داده ای با بیش از 112000 تصویر از مدار استفاده کردند.

واگستاف می گوید: “هیچ چیز جدیدی در فن آوری اساسی یادگیری ماشین وجود ندارد.” “ما برای تجزیه و تحلیل داده های تصویر از یک شبکه کانولوشن نسبتاً استاندارد استفاده کردیم ، اما هنوز هم قادر به استفاده از آن در مقیاس نیستیم یک چالش است. این یکی از مواردی بود که ما باید در اینجا بجنگیم. “

جدیدترین دهانه های مریخ کوچک هستند و ممکن است تنها چند فوت فاصله داشته باشند ، به این معنی که به عنوان لکه های پیکسلی تاریک در تصاویر زمینه ظاهر می شوند. اگر الگوریتم تصویر دهانه کاندیدا را با تصویر قبلی از همان منطقه مقایسه کند و متوجه شود که نقطه تاریک از بین رفته است ، به احتمال زیاد یک دهانه جدید پیدا می شود. تاریخ تصویر قبلی همچنین به تعیین جدول زمانی برای زمان تأثیر کمک می کند.

پس از شناسایی هوش مصنوعی برخی از نامزدهای امیدوار کننده ، محققان ناسا توانستند با دوربین با وضوح بالا در مدار مشاهدات پیگیری کنند تا وجود واقعی دهانه ها را تأیید کنند. در ماه اوت گذشته ، تیم اولین تأیید را دریافت کرد که عکاس مداری خوشه ای از دهانه های حفره را شناسایی کرد که توسط الگوریتم شناسایی شده بودند. این اولین باری بود که هوش مصنوعی دهانه ای را در سیاره دیگری کشف می کرد. واگستاف می گوید: “هیچ تضمینی برای اتفاقات جدید وجود نداشت.” “اما تعداد آنها زیاد بود و یکی از س ofالات بزرگ ما این است که چه چیزی یافتن آنها را دشوارتر می کند؟”


منبع: sadeh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>