هوش مصنوعی میتواند کمک بزرگی به مریخنوردانی مانند کنجکاوی یا پشتکار ناسا باشد، اما ابتدا این سیستمهای هوش مصنوعی باید در مورد آنچه که باید جستجو کنند آموزش ببینند. یک پروژه ناسا از مردم دعوت می کند تا به شناسایی ویژگی های چشم انداز مریخ کمک کنند تا الگوریتمی را آموزش دهند که مریخ نوردهای آینده بتوانند از آن برای حرکت در اطراف سیاره سرخ استفاده کنند.
پروژه AI4Mars سال گذشته راهاندازی شد و کاربران تاکنون نزدیک به نیم میلیون تصویر را برای کمک به توسعه الگوریتم طبقهبندی ویژگیهای خاک و اشیاء (SPOC) برچسبگذاری کردهاند. این الگوریتم ویژگیهای منظره مانند ماسه و سنگ را شناسایی میکند و تقریباً در ۹۸ درصد مواقع این کار را به درستی انجام میدهد. در آینده، این الگوریتم میتواند در قابلیتهای رانندگی خودکار مریخنوردان مانند فناوری AutoNav که توسط Perseverance استفاده میشود، گنجانده شود.
اکنون، محققان میخواهند SPOC را گسترش دهند تا اطلاعات دقیقتری درباره سازندهای سنگی مانند وجود سنگهای شناور یا گرهها به دست آورند. با طبقهبندی خودکار انواع صخرههایی که توسط مریخ نوردها تصویر میشوند، محققان میتوانند دستورالعملهای رانندگی را سریعتر به مریخ نوردها ارسال کنند.
ویویان سان، دانشمند JPL که به هماهنگ کردن عملیات روزانه Perseverance کمک می کند و در مورد پروژه AI4Mars مشاوره می کند، توضیح می دهد: «برای هیچ دانشمندی امکان پذیر نیست که در چنین مدت زمان کوتاهی و هر روز به همه تصاویر downlinked با موشکافی نگاه کند. اگر الگوریتمی وجود داشته باشد که بگوید: «فکر میکنم من رگهها یا گرههای سنگی را در اینجا دیدم» در زمان ما صرفهجویی میکند و سپس تیم علمی میتواند با جزئیات بیشتری به آن مناطق نگاه کند.
برای کمک به توسعه این الگوریتم، ناسا از عموم مردم دعوت می کند تا به صفحه AI4Mars در Zooniverse رفته و به تصاویر سطح مریخ که توسط مریخ نورد کنجکاوی گرفته شده است نگاه کنند. از آنها خواسته میشود چند ضلعیها را در اطراف ویژگیهای خاصی مانند ماسه، خاک، سنگ بستر و سنگهای بزرگ ترسیم کنند. سپس نتایج هزاران طبقهبندی که توسط مردم انجام شده است، توسط دانشمندان جمعآوری و بررسی میشود تا مطمئن شوند که برچسبگذاری دقیق است.
با گذشت زمان، با برچسب گذاری تک تک داده های بیشتری، الگوریتم می تواند یاد بگیرد که ویژگی ها را برای خود متمایز کند.
هیرو اونو، محقق ارشد پروژه AI4Mars گفت: «یادگیری ماشین با نرم افزار معمولی بسیار متفاوت است. «این مثل ساختن چیزی از ابتدا نیست. آن را به عنوان شروع با یک مغز جدید در نظر بگیرید. تلاش بیشتر در اینجا دریافت یک مجموعه داده خوب برای آموزش آن مغز و ماساژ داده ها است تا بهتر یاد بگیرند.