Valamikor 2010 márciusa és 2012 májusa között egy meteor suhant át a marsi égbolton, majd darabokra törve a felszínbe csapódott. A becsapódások alakította kráterek relatíve kis méretűek, mindössze 4 méter átmérőjűek. Minél kisebb valami, annál nehezebb kiszúrni a Mars körül keringő űrszondákkal; a fenti kis krátercsoport lett az első, amit mesterséges intelligencia segítségével fedeztek fel.
Ez az eredmény a felfedezést lehetővé tevő, gépi tanuló algoritmus kifejlesztésén dolgozó bolygókutatóknak és mesterséges intelligenciakutatóknak is mérföldkőnek számít. A sikeres kísérlet amellett, hogy a jövőben időt takarít majd meg, a felfedezett felszíni objektumok számát is bizonyára meg fogja növelni.
Normál esetben a kutatók minden nap órákat töltenek el a NASA Mars Reconnaissance Orbiter (MRO) keringőegységének felvételeit bújva, rajtuk különféle felszíni jelenségek, mint például porördögök, csuszamlások és változó homokdűnék után kutatva. Az MRO eddig eltelt 14 éve alatt ezzel a módszerrel több mint 1000 új krátert fedeztek fel. Legtöbbször a szonda Context Camera eszközének képein veszik ezeket észre először, ami több száz kilométeres területekről készít kis felbontású felvételeket.
Ezeken a képeken viszont becsapódások esetén csak a kidobódott anyag fog látszani, az egyes kráterek nem, így következő lépésként a HIRISE (High-Resolution Imaging Science Experiment), nagy felbontású eszközzel néznek körül. Ez a kamera még az olyan finom jeleket is rögzíteni tudja, mint a Curiosity nyomai a marsi felszíntakarón. (Plusz érdekesség, hogy a HIRISE csapata bárkitől fogad kéréseket specifikus felvételek elkészítésére a HiWish weboldalon keresztül).
A folyamathoz türelem kell, 40 percig, vagy akár hosszabb ideig is eltarthat egyetlen Context Camera kép tüzetes átvizsgálása. Ennek a meggyorsítására fejlesztették ki a JPL kutatói a COSMIC (Capturing Onboard Summarization to Monitor Image Change) algoritmust, amellyel automatikusan azonosíthatóak a friss becsapódásos kráterek. A technológiát a jövő keringőegységeibe is be lehetne építeni.
A táj megismerése
A kráter azonosító program tanításához 6830 darab Context Camera képet tápláltak be neki, többek között olyan helyszínekről is, ahol korábban a HIRISE segítségével már azonosítottak krátereket. Ezek mellett olyan képeket is kapott a szoftver, amelyeken nem látható friss becsapódásos nyom, hogy az algoritmus felismerje, mi az, amit nem keres. A betanulási fázis után az osztályozó programot ráeresztették a Context Camera teljes, körülbelül 112 ezer képből álló gyűjteményére. Az algoritmus a JPL szuperszámítógépes klaszterében több tucat nagy teljesítményű gépén fut, melyek egymással kommunikálva átlagosan 5 másodperc alatt elvégzik az ember számára 40 percig tartó feladatot.
Az egyik kihívás 750 darab osztályozó program párhuzamos futtatása volt, hiszen 112 000 kép feldolgozása egyetlen futó algoritmussal, egyetlen számítógépen majdnem egy hét folyamatos működést igényelne. A stratégia a problémát több kis feladattá bontani, melyek párhuzamosan megoldhatók. Hiába azonban ez a mérhetetlen számítási teljesítmény, az eredményeket még embernek is le kell ellenőriznie. Egy mesterséges intelligencia program nem tud olyan hozzáértő analízist végezni, mint egy képzett kutató. Mégis remek asszisztensként szolgálhatnak számukra, egy roppant futurisztikus mesterséges intelligencia-ember szimbiózis felé terelve a tudományos felfedezéseket.
A HIRISE kamera 2020. augusztus 26-án erősítette meg az osztályozó algoritmus első felfedezését, jelesül kráterek egy csoportját a Noctis Fossae területén. Azóta több mint 20 további potenciális helyszínt jelöltek meg, amiket tüzetesebben meg fognak vizsgálni. Habár ez a program földi számítógépeken fut, a végső cél az, hogy a jövő marsi keringőegységeinek fedélzetén lehessen működtetni. Jelenleg a mért adatokat előbb vissza kell küldeni a Földre, ahol kutatók átfésülik izgalmas képek után kutatva – ez olyan, mintha tűt keresnének a szénakazalban. A terv az, hogy a jövőben mesterséges intelligencia segítségével előre meg lehessen jelölni azokat a képeket, amik potenciálisan érdekesek lehetnek.
A szoftveren dolgozó kutatók bíznak benne, hogy ezzel az új eszközzel teljesebb képeket kaphatunk a marsi becsapódási események gyakoriságáról, illetve rátalálhatnak olyan kisebb kráterekre is, melyeket eddig nem vettünk észre. Minél több krátert találunk, annál többet tudhatunk meg a Marsba becsapódó meteoritok méreteiről, formáiról és gyakoriságáról. Ebből a kezdeményezésből is látni, hogy modern analitikai technikákkal milyen sok új információt lehet kinyerni akár veterán küldetésekből is, mint az MRO.
Forrás: NASA JPL
