Une étude récente présentée lors de la 56e Conférence sur les Sciences Lunaires et Planétaires (LPSC) explore l'utilisation de l'intelligence artificielle (IA) pour améliorer la cartographie et l'imagerie sur Mars. La recherche se concentre sur l'amélioration des images orbitales de la caméra CTX (Context Camera) de la sonde Mars Reconnaissance Orbiter (MRO) à l'aide de modèles d'apprentissage automatique.
Le Dr Andrew Annex du SETI Institute a dirigé l'étude, visant à accélérer la découverte scientifique et à maximiser la valeur des ensembles de données martiennes existants. Il a développé un moteur de recherche visuelle capable d'analyser les images globales de la mosaïque CTX, identifiant des similitudes d'images spécifiques à travers la planète.
L'étude a évalué la recherche d'images basée sur le contenu (CBIR), OpenAI CLIP et l'architecture de cloud computing. CBIR analyse les bases de données à la recherche d'images similaires en fonction du contenu, tandis que OpenAI CLIP compare les images et le texte à l'aide de grands ensembles de données. Le cloud computing gère des données volumineuses via des serveurs distants.
Le Dr Annex a utilisé avec succès l'apprentissage automatique pour analyser les images globales de la mosaïque CTX sur Mars, notamment en recherchant et en identifiant des similitudes d'images spécifiques à travers la planète rouge. Cette recherche ouvre la voie à des améliorations des requêtes de recherche sur les surfaces planétaires dans tout le système solaire.
Depuis que Mariner 4 de la NASA a capturé la première image d'un orbiteur martien en 1965, de nombreux orbiteurs martiens ont fourni des images détaillées de la surface de la planète. La surface entière de Mars a été imagée par la caméra CTX (Context Camera) et la caméra HiRISE (High Resolution Imaging Science Experiment) de la NASA.
Le Dr Annex souligne l'importance de l'apprentissage automatique pour améliorer les méthodes d'analyse d'images, notant que si la puissance de calcul a augmenté, la vitesse d'analyse des données n'a pas suivi le rythme. L'apprentissage automatique offre flexibilité et rapidité dans l'automatisation des tâches, complétant ainsi les méthodes existantes.
L'apprentissage automatique est un outil qui peut compléter et améliorer les méthodes et analyses existantes, améliorant la vitesse et la précision de l'analyse d'images, conduisant à de nouvelles découvertes sur Mars et d'autres planètes.