Μια διεθνή ομάδα φαίνεται πως σαρώνει την Σελήνη με ένα σύστημα AI και εντοπίζει περιοχές για προσγείωση και εξερεύνηση.
Η επιλογή μελλοντικών τοποθεσιών προσγείωσης και εξερεύνησης στην Σελήνη μπορεί να καταλήξει στις πιο ελπιδοφόρες τοποθεσίες για κατασκευές, ορυκτά ή ενεργειακούς πόρους, αλλά η οπτική ανίχνευση σε μια τόσο μεγάλη περιοχή είναι επίπονη και συχνά ανακριβής.
Δείτε επίσης: AI: Πώς μας βοηθά να κατανοήσουμε καλύτερα το σύμπαν;
Οι Siyuan Chen, Xin Gao και Shuyu Sun από το KAUST (King Abdullah University of Science and Technology) στη Σαουδική Αραβία, μαζί με συναδέλφους από το κινεζικό πανεπιστήμιο του Χονγκ Κονγκ, έχουν τώρα εφαρμόσει machine learning και τεχνητή νοημοσύνη (AI) για να αυτοματοποιήσουν τον προσδιορισμό των πιθανών περιοχών προσγείωσης και εξερεύνησης στην Σελήνη.
Ghost: Εξάρθρωση της πλατφόρμας κρυπτογραφημένων επικοινωνιών
Δείτε επίσης: Καρκίνος και AI: Ερευνητές ανέπτυξαν εργαλείο για την έγκαιρη διάγνωση του καρκίνου του προστάτη
Το machine learning είναι μια πολύ αποτελεσματική τεχνική για την εκπαίδευση ενός μοντέλου AI για να αναζητήσει συγκεκριμένα χαρακτηριστικά μόνο του. Το πρώτο πρόβλημα που αντιμετώπιζαν ο Siyuan Chen και οι συνάδελφοί του ήταν ότι δεν υπήρχε ένα σύνολο δεδομένων με ετικέτες για rilles που θα μπορούσαν να χρησιμοποιηθούν για την εκπαίδευση του μοντέλου τους.
Σύμφωνα με το KAUST, η επόμενη πρόκληση ήταν η ανάπτυξη μιας υπολογιστικής προσέγγισης που θα μπορούσε να χρησιμοποιηθεί για τον ταυτόχρονο εντοπισμό κρατήρων και rilles, η οποία δεν έχει πραγματοποιηθεί ποτέ στο παρελθόν.
Δείτε επίσης: Πολιτικοί: AI μετρά πόση ώρα αφιερώνουν στα τηλέφωνα τους στα debates
Η προσέγγιση της ομάδας λέγεται ότι έχει επιτύχει ακρίβεια έως και 83,7% η οποία είναι υψηλότερη από τις υπάρχουσες μεθόδους ανίχνευσης κρατήρα. Τα ευρήματά τους έχουν δημοσιευτεί στο Applied Energy.
Πηγή πληροφοριών: theengineer.co.uk
