Najnowsze badanie przedstawione na 56. Konferencji Nauk Księżycowych i Planetarnych (LPSC) bada wykorzystanie sztucznej inteligencji (AI) do ulepszania mapowania i obrazowania na Marsie. Badania koncentrują się na poprawie jakości zdjęć orbitalnych z kamery kontekstowej (CTX) Mars Reconnaissance Orbiter (MRO) za pomocą modeli uczenia maszynowego.
Dr Andrew Annex z SETI Institute kierował badaniem, którego celem jest przyspieszenie odkryć naukowych i maksymalizacja wartości istniejących zbiorów danych z Marsa. Opracował wizualną wyszukiwarkę zdolną do analizowania globalnych mozaikowych obrazów CTX, identyfikując specyficzne podobieństwa obrazów na całej planecie.
W badaniu oceniono wyszukiwanie obrazów oparte na treści (CBIR), OpenAI CLIP i architekturę przetwarzania w chmurze. CBIR skanuje bazy danych w poszukiwaniu podobnych obrazów na podstawie treści, podczas gdy OpenAI CLIP porównuje obrazy i tekst przy użyciu dużych zbiorów danych. Przetwarzanie w chmurze zarządza rozległymi danymi za pośrednictwem zdalnych serwerów.
Dr Annex z powodzeniem wykorzystał uczenie maszynowe do analizy globalnych mozaikowych obrazów CTX na Marsie, w tym do wyszukiwania i identyfikowania specyficznych podobieństw obrazów na Czerwonej Planecie. Badania te otwierają drzwi do ulepszeń w zapytaniach wyszukiwania na powierzchniach planet w całym Układzie Słonecznym.
Od czasu, gdy Mariner 4 NASA wykonał pierwsze zdjęcie z orbitera Marsa w 1965 roku, liczne orbitery Marsa dostarczyły szczegółowe zdjęcia powierzchni planety. Cała powierzchnia Marsa została sfotografowana przez kamerę kontekstową NASA i eksperyment naukowy obrazowania w wysokiej rozdzielczości (HiRISE).
Dr Annex podkreśla znaczenie uczenia maszynowego dla ulepszenia metod analizy obrazów, zauważając, że chociaż moc obliczeniowa wzrosła, szybkość analizy danych nie nadąża. Uczenie maszynowe oferuje elastyczność i szybkość w automatyzacji zadań, uzupełniając istniejące metody.
Uczenie maszynowe to narzędzie, które może uzupełniać i ulepszać istniejące metody i analizy, poprawiając szybkość i dokładność analizy obrazów, prowadząc do nowych odkryć dotyczących Marsa i innych planet.