在第56屆月球與行星科學會議（LPSC）上發表的一項最新研究探討了使用人工智能（AI）來增強火星的地圖繪製和成像技術。該研究重點是利用機器學習模型改進來自火星勘測軌道飛行器（MRO）背景相機（CTX）的軌道圖像。
SETI研究所的安德魯·安內克斯博士領導了這項研究，旨在加速科學發現並最大限度地提高現有火星數據集的價值。他開發了一種視覺搜索引擎，能夠分析全球CTX鑲嵌圖像，識別整個星球上的特定圖像相似之處。
該研究評估了基於內容的圖像檢索（CBIR）、OpenAI CLIP和雲計算架構。CBIR掃描數據庫以查找基於內容的相似圖像，而OpenAI CLIP使用大型數據集比較圖像和文本。雲計算通過遠程服務器管理大量數據。
安內克斯博士成功地使用機器學習來分析火星上的全球CTX鑲嵌圖像，包括搜索和識別這顆紅色星球上的特定圖像相似之處。這項研究為改善整個太陽系行星表面的搜索查詢打開了大門。
自1965年NASA的“水手4號”拍攝了第一張來自火星軌道飛行器的圖像以來，無數的火星軌道飛行器提供了該星球表面的詳細圖像。NASA的背景相機和高分辨率成像科學實驗（HiRISE）相機已經對火星的整個表面進行了成像。
安內克斯博士強調了機器學習在改進圖像分析方法方面的重要性，並指出，雖然計算能力有所提高，但數據分析的速度並沒有跟上。機器學習在自動化任務方面提供了靈活性和速度，補充了現有方法。
機器學習是一種可以補充和增強現有方法和分析的工具，提高圖像分析的速度和準確性，從而帶來關於火星和其他行星的新發現。