Как искусственный интеллект помогает исследовать солнечную систему – отчет
На прошлой неделе на осеннем заседании Американского геофизического союза AGU году планетологи и астрономы обсудили, как новые методы машинного обучения изменяют способ, которым мы узнаем о нашей Солнечной системе, от планирования будущих высадок миссии на спутник Юпитера до обнаружения вулканов на Меркурии.
Машинное обучение – это способ научить компьютеры выявлять шаблоны в данных, а затем использовать эти шаблоны для принятия решений, прогнозов или классификации. Еще одно серьезное преимущество компьютеров – их скорость, ведь для многих астрономических задач людям могут понадобиться месяцы, годы или даже десятилетия, чтобы просеять все необходимые данные.
Одним из примеров является идентификация валунов на фотографиях других планет.
“Вы можете найти до 10 000, сотни тысяч валунов, и это занимает очень много времени”, – говорит Нильс Приор, планетолог из Стэнфордского университета в Калифорнии во время выступления в AGU.
Новый алгоритм машинного обучения Приера может обнаруживать валуны на всей Луне всего за 30 минут.
Важно знать, где находятся эти куски камней, чтобы убедиться, что новые миссии могут безопасно приземлиться в пунктах назначения. Валуны также полезны для геологии, давая подсказки о том, как удары разбивают скалы вокруг них, образуя кратеры.
Компьютеры также могут идентифицировать ряд других планетарных явлений: взрывоопасные вулканы на Меркурии, вихри в густой атмосфере Юпитера и кратеры на Луне.
На конференции ученый-планетолог Итан Дункан из Центра космических полетов имени Годдарда NASA в Мэриленде продемонстрировал, как машинное обучение может идентифицировать не только камни, а куски льда на ледяном спутнике Юпитера Европе. Так называемая местность хаоса – это грязная с виду полоса поверхности Европы с яркими кусками льда, разбросанными на более темном фоне. С ее подземным океаном Европа является главной целью астрономов, интересующихся инопланетной жизнью, и картографирование этих кусков льда станет ключевым для планирования будущих миссий.
Будущие миссии также могут включать искусственный интеллект в качестве части команды, используя эту технологию, чтобы дать возможность зондам реагировать на опасности в реальном времени и даже приземляться автономно.
Сообщение от зонда, приземлившегося на заполненный метаном спутник Сатурна Титан, займет чуть менее полутора часов, чтобы вернуться на Землю. К тому моменту, когда ответ прибудет к месту назначения, петля связи продлится почти три часа. В такой ситуации как приземление, когда нужны ответы в режиме реального времени, такой вид движения вперед и назад с Землей просто не поможет.
По словам Тейлинга, машинное обучение и ИИ могут помочь решить эту проблему, предоставляя зонду возможность принимать решения на основе его наблюдений за окружающей средой.
"Ученые и инженеры, мы не пытаемся от вас избавиться", – сказал Тейлинг. “ИИ не заменит человека, но он может стать мощным дополнением к нашему инструментарию для научных открытий.”