La IA podría ser de gran ayuda para los rovers de Marte como el Curiosity o Perseverance de la NASA, pero estos sistemas de IA primero necesitan entrenamiento en lo que están buscando. Un proyecto de la NASA está invitando a miembros del público a ayudar a identificar las características del paisaje en Marte, con el fin de entrenar un algoritmo que los futuros rovers puedan usar para navegar por el Planeta Rojo.
El proyecto AI4Mars. Lanzado el año pasadoLos usuarios ya han nombrado casi medio millón de imágenes para ayudar a desarrollar el algoritmo de Clasificación de Organismos y Características del Suelo (SPOC). Este algoritmo identifica características del paisaje como arena y rocas, y lo hace correctamente alrededor del 98% del tiempo. En el futuro, este algoritmo podría integrarse en las capacidades de conducción autónoma de los rovers de Marte, como Tecnología AutoNav. utilizado por la perseverancia.
Ahora, los investigadores quieren expandir SPOC para obtener información más detallada sobre formaciones rocosas, como la presencia de rocas flotantes o nódulos. Al clasificar automáticamente los tipos de rocas captadas por los vehículos itinerantes, los investigadores pueden enviar instrucciones de conducción a los vehículos itinerantes más rápidamente.
«No es posible que ningún científico observe todas las imágenes del enlace descendente con un examen detenido en tan poco tiempo, todos los días». para explicar Vivian Sun, científica del JPL que ayuda a coordinar las operaciones diarias de Perseverance y asesora sobre el proyecto AI4Mars. «Nos ahorraría tiempo si hubiera un algoritmo que pudiera decir: ‘Creo que vi venas o nódulos aquí’, y luego el equipo científico podría observar esas áreas con más detalle».
Para ayudar a desarrollar este algoritmo, la NASA invita al público a visitar Página de AI4Mars en Zooniverse Eche un vistazo a las imágenes de la superficie de Marte tomadas por el rover Curiosity. Se les pide que dibujen polígonos alrededor de ciertas características como arena, suelo, pizarra y grandes rocas. Luego, los científicos compilan y verifican los resultados de miles de calificaciones hechas por el público para verificar la precisión de las etiquetas.
Con el tiempo, a medida que se etiquetan más datos individuales, el algoritmo puede aprender a distinguir características por sí mismo.
«El aprendizaje automático es muy diferente del software normal», dijo el investigador principal de AI4Mars, Hiro Ono. «No es como hacer algo desde cero. Piense en ello como comenzar con una mente nueva. Más esfuerzo aquí es obtener un buen conjunto de datos para enseñar a ese cerebro y masajear los datos para que se aprendan mejor».
Recomendaciones de los editores
