Un estudio reciente presentado en la 56ª Conferencia de Ciencias Lunares y Planetarias (LPSC) explora el uso de la inteligencia artificial (IA) para mejorar el mapeo y la imagen en Marte. La investigación se centra en mejorar las imágenes orbitales de la cámara CTX (Context Camera) del Mars Reconnaissance Orbiter (MRO) utilizando modelos de aprendizaje automático.
El Dr. Andrew Annex del Instituto SETI dirigió el estudio, con el objetivo de acelerar el descubrimiento científico y maximizar el valor de los conjuntos de datos existentes de Marte. Desarrolló un motor de búsqueda visual capaz de analizar imágenes globales de mosaico CTX, identificando similitudes de imágenes específicas en todo el planeta.
El estudio evaluó la recuperación de imágenes basada en el contenido (CBIR), OpenAI CLIP y la arquitectura de computación en la nube. CBIR escanea bases de datos en busca de imágenes similares basadas en el contenido, mientras que OpenAI CLIP compara imágenes y texto utilizando grandes conjuntos de datos. La computación en la nube gestiona grandes cantidades de datos a través de servidores remotos.
El Dr. Annex utilizó con éxito el aprendizaje automático para analizar imágenes globales de mosaico CTX en Marte, incluyendo la búsqueda e identificación de similitudes de imágenes específicas en todo el Planeta Rojo. Esta investigación abre las puertas a mejoras en las consultas de búsqueda en superficies planetarias en todo el sistema solar.
Desde que la Mariner 4 de la NASA capturó la primera imagen de un orbitador de Marte en 1965, numerosos orbitadores de Marte han proporcionado imágenes detalladas de la superficie del planeta. Toda la superficie de Marte ha sido fotografiada por la cámara CTX (Context Camera) y la cámara HiRISE (High Resolution Imaging Science Experiment) de la NASA.
El Dr. Annex enfatiza la importancia del aprendizaje automático para mejorar los métodos de análisis de imágenes, señalando que si bien el poder de cómputo ha aumentado, la velocidad del análisis de datos no ha seguido el ritmo. El aprendizaje automático ofrece flexibilidad y velocidad en la automatización de tareas, complementando los métodos existentes.
El aprendizaje automático es una herramienta que puede complementar y mejorar los métodos y análisis existentes, mejorando la velocidad y la precisión del análisis de imágenes, lo que lleva a nuevos descubrimientos sobre Marte y otros planetas.