У нещодавньому дослідженні, представленому на 56-й Місячній і планетарній науковій конференції (LPSC), досліджується використання штучного інтелекту (ШІ) для покращення картографування та зйомки на Марсі. Дослідження зосереджується на покращенні орбітальних зображень з контекстної камери (CTX) Mars Reconnaissance Orbiter (MRO) за допомогою моделей машинного навчання.
Доктор Ендрю Аннекс з Інституту SETI очолив дослідження, метою якого є прискорення наукових відкриттів і максимізація цінності існуючих наборів даних про Марс. Він розробив візуальну пошукову систему, здатну аналізувати глобальні мозаїчні зображення CTX, ідентифікуючи конкретні схожості зображень по всій планеті.
У дослідженні оцінювалися контентно-орієнтований пошук зображень (CBIR), OpenAI CLIP і архітектура хмарних обчислень. CBIR сканує бази даних на наявність подібних зображень на основі контенту, тоді як OpenAI CLIP порівнює зображення та текст за допомогою великих наборів даних. Хмарні обчислення керують великими обсягами даних через віддалені сервери.
Доктор Аннекс успішно використав машинне навчання для аналізу глобальних мозаїчних зображень CTX на Марсі, включаючи пошук та ідентифікацію конкретних схожостей зображень на Червоній планеті. Це дослідження відкриває двері для покращення пошукових запитів на планетарних поверхнях у всій Сонячній системі.
З тих пір, як Mariner 4 NASA зробив перший знімок з орбітального апарату Марса в 1965 році, численні орбітальні апарати Марса надали детальні зображення поверхні планети. Вся поверхня Марса була знята контекстною камерою NASA та експериментом з наукового зображення високої роздільної здатності (HiRISE).
Доктор Аннекс підкреслює важливість машинного навчання для покращення методів аналізу зображень, зазначаючи, що хоча обчислювальна потужність зросла, швидкість аналізу даних не встигає. Машинне навчання пропонує гнучкість і швидкість в автоматизації завдань, доповнюючи існуючі методи.
Машинне навчання - це інструмент, який може доповнювати та покращувати існуючі методи та аналіз, підвищуючи швидкість і точність аналізу зображень, що призводить до нових відкриттів про Марс та інші планети.