普通公众现在可以教育人工智能算法承认美国宇航局“毅力”号探测器拍摄的照片中的科学选项。
人工智能(AI)可以显著改变美国宇航局太空任务研究宇宙的方式。然而，由于所有的机器学习算法都需要人类训练，最近的一项实验要求公众成员识别美国宇航局“毅力”号火星探测器收集的图像中具有科学意义的特征。
AI4Mars项目依赖于之前的一个项目，该项目去年使用了美国宇航局“好奇号”探测器的数据。在项目的早期阶段，参与者对近50万张图像进行了分类，他们使用一种工具来指示沙子和岩石等质量，由美国宇航局喷气推进实验室的火星车司机在火星上选择轨道。SPOC(土壤性质和物体分类)是最终产品，这种算法可以在98%的时间内准确检测这些属性。
SPOC正在进行中，计划用未来的航天器将其送往火星，其自动驾驶能力甚至超过Perseverance的AutoNav技术。
毅力图像将通过扩展应用于火星物体的识别标签类型来进一步改善SPOC。目前，AI4Mars为探测更精细的细节分配了标签，允许用户在浮岩(岩石岛)和结核(水形成的bb大小的矿物球粘合在一起)之间进行选择。
其基本想法是改进一种算法，帮助未来的火星探测器在从这颗红色星球发出的大量数据中找到指针。毅力号有19个相机，每天向地球发送数百张照片，以便科学家们寻找某些地质特征。然而，时间是至关重要的:在这些图像从火星传播到地球数百万公里后，团队成员只有几个小时的时间来根据他们在图像中观察到的内容制定下一组指令，发送给毅力号。
“任何科学家都不可能在每天这么短的时间内仔细查看所有链接下来的图像，”喷气推进实验室的科学家薇薇安·孙(Vivian Sun)说，她协调毅力号的日常运作，并为AI4Mars项目提供咨询。“如果有一种算法可以说，‘我想我在这里看到了岩脉或结节’，那么科学团队就可以更详细地查看这些区域，这将节省我们的时间。”
SPOC需要科学家的大量验证，以确保准确的标签。即使改进了，该算法也不是为了取代人类专家进行的更复杂的分析。
据牵头开发AI4Mars的JPL人工智能研究员Hiro Ono表示，一个合适的数据集对于一个成功的算法是必要的。机器学习系统拥有的单个数据越多，它学到的就越多。
“机器学习与普通软件非常不同，”小野说。“这不是从零开始做东西。就当这是一个新的大脑开始吧。这里更多的努力是获得一个好的数据集来教授大脑，并对数据进行按摩，以便更好地学习。”
人工智能研究人员可以使用数万张照片来训练他们的算法。但不幸的是，在AI4Mars计划之前，没有储存火星表面的等效数据。如果该团队的存档中有2万张或更多的图片，每张图片都有自己的一组特征，他们会欣喜若狂。
喷气推进实验室(JPL)的安妮·迪迪埃(Annie Didier)曾参与AI4Mars的“坚持”号版本，她表示，火星数据存储可以有多种用途。“有了这个算法，火星车可以自动选择要行驶的科学目标。它还可以在月球车上存储各种图像，然后只发回科学家感兴趣的特定特征的图像。”
科学家们很可能不用等很长时间就能看到这种算法对他们有益。在被发射到轨道之前，该设备可用于扫描NASA庞大的火星公共数据收集，使研究人员更容易发现图像中的表面特征。
小野说，AI4Mars团队必须公开他们的数据集，使整个数据科学界受益。
“如果JPL以外的人使用我们的数据集创建了一种比我们更好的算法，那也很好，”他说。“这只是让我们更容易有更多的发现。”
毅力号在火星上的任务具有天体生物学的重要目的。漫游者将研究火星的地质和以前的气候，为未来的人类火星探索任务做准备。
在美国宇航局执行任务后，将与欧洲航天局(ESA)合作向火星发射宇宙飞船，从火星表面收集这些密封的样本，并将它们送回地球进行进一步检查。
火星2020坚持任务是美国宇航局月球到火星探索战略的一部分，包括阿尔忒弥斯月球任务，以帮助为人类探索火星做准备。
来源:喷气推进实验室
