Eine kürzlich auf der 56. Lunar and Planetary Science Conference (LPSC) vorgestellte Studie untersucht den Einsatz von künstlicher Intelligenz (KI) zur Verbesserung der Kartierung und Bildgebung auf dem Mars. Die Forschung konzentriert sich auf die Verbesserung von Orbitalbildern der Mars Reconnaissance Orbiter (MRO) Context Camera (CTX) mithilfe von Modellen des maschinellen Lernens.
Dr. Andrew Annex vom SETI Institute leitete die Studie mit dem Ziel, die wissenschaftliche Entdeckung zu beschleunigen und den Wert bestehender Mars-Datensätze zu maximieren. Er entwickelte eine visuelle Suchmaschine, die in der Lage ist, globale CTX-Mosaikbilder zu analysieren und spezifische Bildähnlichkeiten auf dem gesamten Planeten zu identifizieren.
Die Studie bewertete Content-Based Image Retrieval (CBIR), OpenAI CLIP und Cloud-Computing-Architektur. CBIR scannt Datenbanken nach ähnlichen Bildern basierend auf dem Inhalt, während OpenAI CLIP Bilder und Text mithilfe großer Datensätze vergleicht. Cloud Computing verwaltet umfangreiche Daten über Remote-Server.
Dr. Annex setzte erfolgreich maschinelles Lernen ein, um globale CTX-Mosaikbilder auf dem Mars zu analysieren, einschließlich der Suche und Identifizierung spezifischer Bildähnlichkeiten auf dem gesamten Roten Planeten. Diese Forschung eröffnet Möglichkeiten für Verbesserungen bei Suchanfragen auf planetaren Oberflächen im gesamten Sonnensystem.
Seitdem NASA's Mariner 4 im Jahr 1965 das erste Bild von einem Marsorbiter aufnahm, haben zahlreiche Marsorbiter detaillierte Bilder der Planetenoberfläche geliefert. Die gesamte Oberfläche des Mars wurde von der Context Camera (CTX) und der High Resolution Imaging Science Experiment (HiRISE) Kamera der NASA abgebildet.
Dr. Annex betont die Bedeutung des maschinellen Lernens zur Verbesserung der Bildanalysemethoden und merkt an, dass die Geschwindigkeit der Datenanalyse nicht mit der gestiegenen Rechenleistung Schritt gehalten hat. Maschinelles Lernen bietet Flexibilität und Geschwindigkeit bei der Automatisierung von Aufgaben und ergänzt bestehende Methoden.
Maschinelles Lernen ist ein Werkzeug, das bestehende Methoden und Analysen ergänzen und verbessern kann, wodurch die Geschwindigkeit und Genauigkeit der Bildanalyse verbessert und zu neuen Entdeckungen über den Mars und andere Planeten geführt werden.