在第56届月球与行星科学会议（LPSC）上发表的一项最新研究探讨了使用人工智能（AI）来增强火星的地图绘制和成像技术。该研究重点是利用机器学习模型改进来自火星勘测轨道飞行器（MRO）背景相机（CTX）的轨道图像。
SETI研究所的安德鲁·安内克斯博士领导了这项研究，旨在加速科学发现并最大限度地提高现有火星数据集的价值。他开发了一种视觉搜索引擎，能够分析全球CTX镶嵌图像，识别整个星球上的特定图像相似之处。
该研究评估了基于内容的图像检索（CBIR）、OpenAI CLIP和云计算架构。CBIR扫描数据库以查找基于内容的相似图像，而OpenAI CLIP使用大型数据集比较图像和文本。云计算通过远程服务器管理大量数据。
安内克斯博士成功地使用机器学习来分析火星上的全球CTX镶嵌图像，包括搜索和识别这颗红色星球上的特定图像相似之处。这项研究为改善整个太阳系行星表面的搜索查询打开了大门。
自1965年NASA的“水手4号”拍摄了第一张来自火星轨道飞行器的图像以来，无数的火星轨道飞行器提供了该星球表面的详细图像。NASA的背景相机和高分辨率成像科学实验（HiRISE）相机已经对火星的整个表面进行了成像。
安内克斯博士强调了机器学习在改进图像分析方法方面的重要性，并指出，虽然计算能力有所提高，但数据分析的速度并没有跟上。机器学习在自动化任务方面提供了灵活性和速度，补充了现有方法。
机器学习是一种可以补充和增强现有方法和分析的工具，提高图像分析的速度和准确性，从而带来关于火星和其他行星的新发现。