Что мы могли бы узнать, взглянув заново на миллионы изображений Луны? NASA и IBM выпустили модель искусственного интеллекта, призванную помочь исследователям искать в этом огромном архиве кратеры, вулканические особенности и закономерности, связанные с полярным льдом.
В объявлении от 10 сентября описывается система, обученная примерно на двух миллионах фрагментов лунных изображений, в значительной степени на данных Lunar Reconnaissance Orbiter. Её обещание — сделать существующие наблюдения более полезными: учёные могут адаптировать общую модель к конкретным исследовательским вопросам, вместо того чтобы начинать каждую задачу с нуля.
Одно из самых интересных её применений связано с важным различием. Карта, показывающая, где может сохраняться лёд, — это руководство к исследованию. Это не новое измерение замёрзшей воды.
Обучение модели читать меняющийся ландшафт
Луна может выглядеть радикально по-разному при изменении направления солнечного света. Кромка кратера, выделяющаяся в одном наблюдении, может стать гораздо труднее узнаваемой в другом. Тени — часть информации, но они также усложняют сравнения.
В техническом описании модели команды объясняется, что геометрия освещения подаётся явно вместе с наблюдениями. Обучение также объединяет разные виды изображений и информацию о рельефе, а не полагается только на видимый облик.
Такая конструкция даёт исследователям отправную точку для специализированных задач. Они могут адаптировать её для идентификации кратеров или очерчивания необычных вулканических образований, чей облик помогает учёным исследовать геологическую историю Луны. Опубликованные сравнения показывают, что производительность зависит от задачи; лунная модель не является неизменно превосходной во всех тестах.
Что на самом деле означает карта перспектив льда
Полярное применение объединяет восемь видов информации, включая уклон рельефа, ограничения, связанные с температурой, и распределение постоянно затенённых областей. Она оценивает непрерывный показатель перспективности по картографируемой поверхности.
Согласно выпущенной документации ледяной модели, целевой показатель, который она учится воспроизводить, — это существующая модель, основанная на знаниях. Таким образом, её выход — это оценка, построенная на предположениях о благоприятных условиях, а не инвентаризация залежей льда.
Это различие делает сообщаемую производительность легче для понимания. Более близкое совпадение с эталонной картой демонстрирует, что система может воспроизводить паттерны этой карты. Это не означает, что космический аппарат подтвердил наличие воды везде, где цвет наиболее многообещающий.
Выпущенная полярная версия работает в пределах десяти градусов от каждого полюса с масштабом 240 метров на пиксель. В её документации также говорится, что она не была валидирована для операционных решений, таких как выбор места посадки или планирование маршрута ровера.
Лучший способ решить, куда смотреть?
NASA иллюстрирует другое возможное применение снимками, сделанными до и после удара корпуса ракеты near кратера Эйнштейна. Наблюдение после удара было исключено из предварительного обучения, что позволило исследователям проверить адаптацию к недавно изменившейся поверхности. Такая работа может помочь выявлять изменения в больших коллекциях изображений.
Более широкая возможность — быстрее переходить от архива к научному вопросу. Какие особенности заслуживают более пристального изучения? Где разные виды наблюдений согласуются? Где прогноз терпит неудачу при проверке другим измерением?
Модель и вспомогательные ресурсы являются публичными, что позволяет другим исследователям проверять эти вопросы. Красочная карта — начало этого процесса. Интересные открытия придут от отслеживания её предложений обратно к реальному рельефу Луны.
Источники и материалы для дальнейшего чтения
Материал подготовлен на основе публикации Curiosmos, объявления NASA и IBM от 10 сентября, технического описания модели, документации ледяной модели, а также данных миссии Lunar Reconnaissance Orbiter.
Ваш комментарий