Un recente studio presentato alla 56a Lunar and Planetary Science Conference (LPSC) esplora l'uso dell'intelligenza artificiale (IA) per migliorare la mappatura e l'imaging su Marte. La ricerca si concentra sul miglioramento delle immagini orbitali della Context Camera (CTX) del Mars Reconnaissance Orbiter (MRO) utilizzando modelli di apprendimento automatico.
Il Dr. Andrew Annex del SETI Institute ha guidato lo studio, con l'obiettivo di accelerare la scoperta scientifica e massimizzare il valore dei set di dati marziani esistenti. Ha sviluppato un motore di ricerca visiva in grado di analizzare immagini globali a mosaico CTX, identificando specifiche somiglianze di immagini in tutto il pianeta.
Lo studio ha valutato il content-based image retrieval (CBIR), OpenAI CLIP e l'architettura di cloud computing. CBIR scansiona i database alla ricerca di immagini simili in base al contenuto, mentre OpenAI CLIP confronta immagini e testo utilizzando grandi set di dati. Il cloud computing gestisce grandi quantità di dati tramite server remoti.
Il Dr. Annex ha utilizzato con successo l'apprendimento automatico per analizzare immagini globali a mosaico CTX su Marte, inclusa la ricerca e l'identificazione di specifiche somiglianze di immagini in tutto il Pianeta Rosso. Questa ricerca apre le porte a miglioramenti nelle query di ricerca sulle superfici planetarie in tutto il sistema solare.
Da quando Mariner 4 della NASA ha catturato la prima immagine da un orbiter di Marte nel 1965, numerosi orbiter di Marte hanno fornito immagini dettagliate della superficie del pianeta. L'intera superficie di Marte è stata ripresa dalla Context Camera (CTX) della NASA e dalla High Resolution Imaging Science Experiment (HiRISE).
Il Dr. Annex sottolinea l'importanza dell'apprendimento automatico per migliorare i metodi di analisi delle immagini, osservando che, sebbene la potenza di calcolo sia aumentata, la velocità dell'analisi dei dati non ha tenuto il passo. L'apprendimento automatico offre flessibilità e velocità nell'automatizzare le attività, integrando i metodi esistenti.
L'apprendimento automatico è uno strumento che può integrare e migliorare i metodi e le analisi esistenti, migliorando la velocità e l'accuratezza dell'analisi delle immagini, portando a nuove scoperte su Marte e altri pianeti.