Τα τελευταία 15 χρόνια, το Mars Reconnaissance Orbiter της NASA περιφέρεται γύρω από τον Άρη μελετώντας το κλίμα και τη γεωλογία του. Κάθε μέρα, το διαστημόπλοιο στέλνει εικόνες και άλλα ενδιαφέροντα δεδομένα, που χρησιμοποιούν οι επιστήμονες της NASA για να εντοπίσουν ασφαλείς χώρους προσγείωσης και για να κατανοήσουν την κατανομή του πάγου στον πλανήτη.
Κάποιες από τις πιο ενδιαφέρουσες φωτογραφίες που έχουν φτάσει στα χέρια των επιστημόνων, είναι αυτές που απεικονίζουν κρατήρες. Αυτές οι εικόνες μπορούν να βοηθήσουν στην ανακάλυψη της ιστορίας του πλανήτη.
Οι μηχανικοί της NASA προσπαθούν εδώ και καιρό να λάβουν δείγματα από τον Άρη. Χωρίς αυτά, μπορούν να κάνουν μόνο εικασίες για τον καθορισμό της ηλικίας και της σύνθεσης κάθε κρατήρα.
Μια δοκιμασμένη μέθοδος είναι η προσπάθεια καθορισμού της ηλικίας των παλαιότερων κρατήρων με βάση τα χαρακτηριστικά των νεότερων κρατήρων που έχουν δημιουργηθεί στον πλανήτη. Εάν οι επιστήμονες μπορούν να καθορίσουν την ηλικία ορισμένων πρόσφατων κρατήρων, τότε μέσα σε λίγα χρόνια ή ακόμα και εβδομάδες, θα μπορούν να χρησιμοποιήσουν αυτά τα δεδομένα ως βάση για να καθορίσουν την ηλικία και τη σύνθεση των πολύ παλαιότερων κρατήρων. Το πρόβλημα έγκειται στον εντοπισμό των νέων κρατήρων.
Ο εντοπισμός τους, μέσω των εικόνων που λαμβάνουν οι επιστήμονες της NASA, είναι κουραστική δουλειά, αλλά σε αυτό το πρόβλημα θα μπορούσε να βοηθήσει η AI τεχνολογία.
Πριν λίγο καιρό, οι ερευνητές της NASA χρησιμοποίησαν έναν αλγόριθμο μηχανικής εκμάθησης για να ανακαλύψουν για πρώτη φορά νέους κρατήρες στον Άρη. Το AI ανακάλυψε δεκάδες κρατήρες που κρύβονταν στις εικόνες που έστελνε το Mars Reconnaissance Orbiter.
Αυτή η μέθοδος έδειξε έναν νέο τρόπο για τη μελέτη πλανητών. “Από επιστημονική άποψη, αυτό είναι συναρπαστικό επειδή αυξάνει τις γνώσεις μας γι’ αυτά τα χαρακτηριστικά“, λέει η Kiri Wagstaff, επιστήμονας υπολογιστών στη NASA. “Τα δεδομένα ήταν εκεί όλη την ώρα, απλά δεν τα είχαμε δει“.
Το Mars Reconnaissance Orbiter διαθέτει τρεις κάμερες, αλλά η Wagstaff και οι συνεργάτες της εκπαίδευσαν το AI τους χρησιμοποιώντας εικόνες μόνο από τα Context και HiRISE imagers. Το Context είναι μια κάμερα σχετικά χαμηλής ανάλυσης, ενώ το HiRISE χρησιμοποιεί το μεγαλύτερο reflecting τηλεσκόπιο που έχει σταλεί ποτέ στο διάστημα, με σκοπό να εμφανίσει εικόνες με ανάλυση περίπου τρεις φορές υψηλότερη από τις εικόνες που χρησιμοποιούνται στους Google Maps.
Αρχικά, το AI εργαλείο έλαβε σχεδόν 7.000 φωτογραφίες του Άρη. Μερικές περιελάμβαναν κρατήρες που είχαν ανακαλυφθεί ήδη από τους επιστήμονες και άλλες δεν είχαν κανέναν. Με αυτόν τον τρόπο, οι ερευνητές ήθελαν να μάθουν στον αλγόριθμο πώς να εντοπίζει ένα νέο κρατήρα. Αφού έγιναν επιτυχημένες δοκιμές, η Wagstaff και η ομάδα της φόρτωσαν τον αλγόριθμο σε έναν υπερυπολογιστή στο Jet Propulsion Laboratory της NASA και τον χρησιμοποίησαν για να εξετάσουν μια βάση δεδομένων με περισσότερες από 112.000 εικόνες από τον Άρη.
“Δεν υπάρχει τίποτα νέο στην υποκείμενη τεχνολογία μηχανικής εκμάθησης“, λέει η Wagstaff. “Χρησιμοποιήσαμε ένα αρκετά τυπικό συνελικτικό δίκτυο για να αναλύσουμε τα δεδομένα εικόνας, αλλά το να είμαστε σε θέση να το εφαρμόσουμε σε μεγάλη κλίμακα εξακολουθεί να αποτελεί πρόκληση. Αυτό ήταν ένα από τα πράγματα που έπρεπε να αντιμετωπίσουμε“.
Σύμφωνα με τα στοιχεία, οι πιο πρόσφατοι κρατήρες στον Άρη είναι μικροί και ενδέχεται να απέχουν μόλις λίγα μέτρα, πράγμα που σημαίνει ότι εμφανίζονται ως σκούρα εικονοστοιχεία στις εικόνες του Context. Εάν ο αλγόριθμος συγκρίνει την εικόνα του υποτιθέμενου κρατήρα με μια προηγούμενη φωτογραφία από την ίδια περιοχή και διαπιστώσει ότι λείπει το σκοτεινό σημείο, υπάρχει μια καλή πιθανότητα να έχει βρει έναν νέο κρατήρα. Η ημερομηνία της προηγούμενης εικόνας είναι, επίσης, πολύ σημαντική για τον καθορισμό της χρονικής στιγμής που δημιουργήθηκε ο κρατήρας.
Από τη στιγμή που το AI εντοπίζει κάποιους πιθανούς κρατήρες, οι ερευνητές της NASA κάνουν κάποιες παραπάνω παρατηρήσεις με την κάμερα υψηλής ανάλυσης για να επιβεβαιώσουν ότι πράγματι υπάρχουν οι κρατήρες. Τον περασμένο Αύγουστο, επιβεβαιώθηκε η ύπαρξη κρατήρων που είχε πρώτα εντοπίσει ο αλγόριθμος. Ήταν η πρώτη φορά που AI ανακάλυψε έναν κρατήρα σε έναν άλλο πλανήτη.
Η αξιοποίηση του AI θα μπορούσε να επιταχύνει δραματικά την ανακάλυψη κρατήρων στον Άρη και σε άλλους πλανήτες. Μέχρι τώρα, οι ερευνητές της NASA μελετούσαν τις εικόνες από το Mars Reconnaissance Orbiter μόνοι τους και χρειάζονταν έως και τρία τέταρτα της ώρα για μια μόνο εικόνα. Το AI, αντιθέτως, μπορεί να εντοπίσει εάν μια εικόνα περιέχει ένα νέο σκοτεινό στοιχείο σε μόλις πέντε δευτερόλεπτα.
Σύμφωνα με τη NASA, το ΑΙ δεν θα βοηθήσει μόνο στον καθορισμό της ηλικίας των κρατήρων του Άρη αλλά και στην ανακάλυψη του τι βρίσκεται κάτω από την επιφάνεια του πλανήτη. Για παράδειγμα, πριν από περίπου μια δεκαετία, το Mars Reconnaissance Orbiter εντόπισε έναν νέο κρατήρα που έδειξε στους επιστήμονες ότι υπήρχε υπόγειο νερό σε μορφή πάγου. Μελετώντας το, οι επιστήμονες μπόρεσαν να κατανοήσουν καλύτερα πώς κατανέμεται ο πάγος στην επιφάνεια ολόκληρου του πλανήτη. Οι ερευνητές πιστεύουν ότι το AI θα βοηθήσει στη γρηγορότερη ανακάλυψη και άλλων στοιχείων για τον Άρη.
Ένας από τους ερευνητές είπε ότι χάρη στο AI εντοπίστηκαν 60 ή 70 νέοι κρατήρες που δεν είχαν εντοπιστεί προηγουμένως. Και αυτό είναι μόνο η αρχή.
Η Wagstaff και οι συνεργάτες της πιστεύουν ότι στο μέλλον αυτός ο τύπος μηχανικής εκμάθησης θα πραγματοποιείται στο διάστημα, για να επιταχύνει ακόμη περισσότερο τη διαδικασία. Διαστημόπλοια, όπως το Mars Reconnaissance Orbiter, θα είναι σε θέση να αναλύουν τα δεδομένα που λαμβάνουν, χωρίς να στέλνουν όλες τις φωτογραφίες στη Γη. Αυτό θα επιτρέψει πιο ευέλικτες αποστολές, καθώς ο το διαστημόπλοιο δεν θα χρειάζεται να περιμένει έγκριση από τους επιστήμονες για να ελέγξει ένα σημείο. Εάν εντοπίσει έναν πιθανό κρατήρα, μπορεί αμέσως να πραγματοποιήσει μια παρακολούθηση με ένα πιο εξελιγμένο όργανο.
Ωστόσο, προς το παρόν πρόκειται για έναν πολύ μακρινό στόχο. Πρέπει να γίνουν πολλά πράγματα για να είναι δυνατή η ανάλυση δεδομένων με αυτόν τον τρόπο στο διάστημα.
Πηγή: Wired