圖自 NASA

在過去的 15 年里，NASA（美國(guó)國(guó)家航空航天局）的火星勘測(cè)軌道飛行器一直繞著這顆紅色星球繞圈，研究其氣候和地質(zhì)。

每天，軌道飛行器都會(huì)發(fā)回珍貴的圖像和其他傳感器數(shù)據(jù)。NASA 研究人員最關(guān)注與隕石坑有關(guān)的圖像，因?yàn)樗梢詭椭芯咳藛T遠(yuǎn)程校準(zhǔn)衛(wèi)星的參數(shù)，挖掘更多關(guān)于這個(gè)古老星球的信息。

不過，梳理一顆行星的圖像數(shù)據(jù)是一項(xiàng)乏味的工作，這正是 AI 要解決的問題。             

去年年底，NASA 研究人員首次使用機(jī)器學(xué)習(xí)算法從火星勘測(cè)軌道飛行器傳回的數(shù)據(jù)張發(fā)現(xiàn)了數(shù)十個(gè)新鮮的隕石坑。這也預(yù)示著一種研究太陽系行星的新方法。

“從科學(xué)的角度來看，這是令人興奮的，因?yàn)樗由盍宋覀儗?duì)這些特征的認(rèn)知，”NASA 噴氣推進(jìn)實(shí)驗(yàn)室的計(jì)算機(jī)科學(xué)家、該研究團(tuán)隊(duì)的負(fù)責(zé)人之一 Kiri Wagstaff 說，“數(shù)據(jù)一直都在那里，只是我們自己沒有看到而已。”                                 

具體來說，研究人員使用 7000 張圖像來訓(xùn)練 AI——這些圖像中有之前發(fā)現(xiàn)的隕石坑，另一些則沒有任何隕石坑，充分地訓(xùn)練算法。隨后，用 AI 對(duì)軌道飛行器傳回的 11.2 萬張圖像數(shù)據(jù)庫(kù)進(jìn)行梳理。

一旦 AI 發(fā)現(xiàn)了疑似的隕石坑，NASA 研究人員就可以通過軌道飛行器的高分辨率攝像機(jī)進(jìn)行一些后續(xù)觀察，以確認(rèn)隕石坑確實(shí)存在。                                          

去年 8 月，該團(tuán)隊(duì)第一次得到了確認(rèn)，軌道飛行器拍攝了一組被算法識(shí)別的隕石坑。這是 AI 第一次在其他星球上發(fā)現(xiàn)隕石坑。

在過去的 15 年里，該項(xiàng)目的科學(xué)家們不得不手動(dòng)搜索并識(shí)別火星勘測(cè)軌道飛行器的圖像，其中僅是獲取一張圖片的時(shí)間就需要 3-4個(gè)小時(shí)。相比之下，AI 可以在短短 5 秒內(nèi)完成這樣的過程。

除了幫助確定火星表面的年齡外，隕石坑還可以讓科學(xué)家了解火星表面下的情況。例如，大約十年前，火星勘測(cè)軌道飛行器探測(cè)到一個(gè)新的隕石坑，它透露出了一些地下水冰的存在。

通過研究暴露在外的冰，以及它是如何隨著時(shí)間消失的，科學(xué)家們能夠更好地了解冰在火星表面的分布情況。

目前，這個(gè)團(tuán)隊(duì)項(xiàng)目已經(jīng)通過 AI 檢測(cè)出了 60-70 個(gè)人們以前從未見過的新隕石坑，不過這才剛剛開始。

Kiri Wagstaff 和她的同事們希望這種類型的機(jī)器學(xué)習(xí)未來能夠在太空中完成，從而進(jìn)一步加速這一過程。

換言之，火星勘測(cè)軌道飛行器等航天器將能夠處理自己的數(shù)據(jù)，而不是將所有圖像傳回地球，由巨型超級(jí)計(jì)算機(jī)處理——如果探測(cè)器發(fā)現(xiàn)了一個(gè)可能的隕石坑，則可以立即用更靈敏的儀器進(jìn)行后續(xù)觀測(cè)。

但就目前而言，這仍是一個(gè)遙遠(yuǎn)的目標(biāo)。

在 AI 研究中，圖像檢測(cè)是一個(gè)相對(duì)容易理解的問題，但要構(gòu)建出能夠在空間站運(yùn)行的檢測(cè)算法的硬件，不是一件容易的事。

在最近的研究中，Kiri Wagstaff  和團(tuán)隊(duì)所使用的超級(jí)計(jì)算機(jī)中搭載了 75 個(gè)處理器，這臺(tái)超級(jí)計(jì)算機(jī)的計(jì)算能力比火星軌道飛行器的計(jì)算能力要大幾個(gè)數(shù)量級(jí)。

將 AI 技術(shù)融入未來的宇宙研究會(huì)變得越來越重要。

隨著技術(shù)的進(jìn)步和數(shù)據(jù)傳輸速率的提高，一旦 AI 驅(qū)動(dòng)的「探索者」在太陽系漫游，誰知道我們會(huì)發(fā)現(xiàn)什么呢?      

參考鏈接：

https://www.wired.com/story/nasa-is-training-an-ai-to-detect-fresh-craters-on-mars/

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。