هوش مصنوعی ناسا به تشخیص دهانه‌های آتشفشانی موجود در مریخ کمک می‌کند

هوش مصنوعی ناسا به تشخیص دهانه‌های آتشفشانی موجود در مریخ کمک می‌کند

یک الگوریتم مبتنی بر هوش مصنوعی ده‌ها دهانه آتشفشانی را در مریخ کشف کرد. این یک روش امیدوارکننده برای کاوش در منظومه شمسی و درک بهتر تاریخ این سیاره است. در ۱۵ سال گذشته مدارگرد شناسایی ناسا در حال چرخش در اطراف سیاره سرخ (مریخ) است و آب و هوا و خاک آن را مطالعه می‌کند. هر روز مدارگرد گنجینه‌ای از تصاویر و دیگر داده‌ها که دانشمندان ناسا از آن برای جستجوی مکان‌های فرود ایمن مریخ نوردان و درک توزیع آب در این سیاره استفاده می‌کنند به زمین می‌فرستد. توجه ویژه دانشمندان به عکس‌های مدارگرد از دهانه های آتشفشانی است که می‌تواند دریچه‌ای به تاریخ این سیاره ارائه دهد.

اواخر سال گذشته، محققان ناسا با استفاده از یک الگوریتم یادگیری ماشین برای اولین بار دهانه‌های مریخی تازه‌ای را کشف کردند. هوش مصنوعی ده‌ها دهانه را که در داده‌های تصویری مدارگرد مخفی شده بودند کشف کرد و یک روش جدید امیدوار کننده برای مطالعه سیارات در سراسر منظومه شمسی را معرفی کرد. کری واگستاف، دانشمند کامپیوتر در آزمایشگاه پیشرانه جت ناسا و یکی از رهبران تیم تحقیق می‌گوید: “از منظر علمی این دستاورد بسیار هیجان انگیز است، زیرا دانش ما را در مورد این ویژگی‌ها افزایش می‌دهد. داده‌ها همیشه وجود داشته، مشکل فقط خود ما بودیم که نمی‌توانستیم آن‌ها را ببینیم.”

مدارگرد شناسایی مریخ دارای سه دوربین است، اما واگستاف و همکارانش هوش مصنوعی خود را با استفاده از تصاویر دوربین‌های Context و HiRISE آموزش دادند. Context یک دوربین با وضوح نسبتاً کم است در حالی که HiRISE از بزرگترین تلسکوپ بازتابی که تاکنون به فضا ارسال شده استفاده می‌کند تا تصاویری با وضوح حدود سه برابر بیشتر از تصاویر استفاده شده در Google Maps تولید کند. ابتدا هوش مصنوعی به وسیله تقریباً ۷۰۰۰ عکس از مدارگرد مریخ، برخی با دهانه‌هایی که قبلاً کشف شده بودند و برخی دیگر بدون هیچ گونه علامت تغذیه شد تا الگوریتم نحوه تشخیص را فرا بگیرد. پس از اینکه طبقه‌بندی کننده توانست دهانه‌های موجود در مجموعه‌ی آموزشی را به دقت تشخیص دهد، واگستاف و تیمش الگوریتم را بر روی یک ابر رایانه بارگذاری کردند و از آن برای طبقه‌بندی تصاویر پایگاه داده‌ای با بیش از ۱۱۲۰۰۰ تصویر از مدارگرد استفاده کردند.

واگستاف می‌گوید: “هیچ چیز جدیدی در فناوری اساسی یادگیری ماشین وجود ندارد. ما از یک شبکه کاملاً استاندارد برای تجزیه و تحلیل داده‌های تصویر استفاده کردیم، اما توانایی استفاده از آن‌ها در این مقیاس هنوز هم یک چالش است و این یکی از مواردی بود که ما باید با آن مبارزه می‌کردیم.” بیشتر دهانه‌های مریخ کوچک هستند و ممکن است فقط چند فوت عرض داشته باشند و به دلیل همین کوچک بودن اغلب به صورت لکه‌های پیکسلی تیره رنگ در تصاویر زمینه دیده می‌شوند. اگر الگوریتم تصویر یک دهانه را با عکس قبلی از همان منطقه مقایسه کند و متوجه شود که یک نقطه تاریک را از دست داده است، احتمال پیدا کردن یک دهانه جدید بسیار زیاد خواهد بود.

هنگامی که هوش مصنوعی برخی از گزینه‌های امیدوار کننده را شناسایی کرد، محققان ناسا مشاهدات بعدی خود را به وسیله دوربین با وضوح بالا برای تأیید وجود دهانه‌ها انجام می‌دهند. در ماه آگوست تیم اولین مشاهدات تأیید شده خود را هنگامی دریافت کرد که مدارگرد از یک خوشه دهانه که توسط الگوریتم شناسایی شده بود عکس گرفت. این اولین بار بود که تکنولوژی هوش مصنوعی یک دهانه آتشفشانی را در یک سیاره دیگر کشف می‌کرد. واگستاف می‌گوید: “هیچ تضمینی برای وجود چیزهای جدید وجود نداشت. اما تعداد زیادی دهانه وجود داشت و یکی از سوالات بزرگ ما این است که چه چیزی یافتن آن‌ها را دشوار کرده بود.”

روند جدید می‌تواند کشف دهانه در مریخ و سیارات دیگر را به طرز چشمگیری تسریع کند. طی ۱۵ سال گذشته دانشمندان ناسا که بر روی مدارگرد شناسایی مریخ کار می‌کنند مجبور شده‌اند تصاویر فضاپیما را به صورت دستی تجزیه و تحلیل کنند که برای یک عکس ممکن است تا سه چهارم ساعت زمان نیاز باشد. اینگرید داوبار، دانشمند نجوم در دانشگاه براون که در این تحقیق همکاری داشت می‌گوید: “آن‌ها خود را آموزش داده‌اند تا بفهمند دهانه‌های جدید در تصاویر چگونه به نظر می‌رسند، اما این کار بسیار وقت گیر است. در مقابل هوش مصنوعی می‌تواند دریابد که آیا یک تصویر حاوی یک پیکسل تاریک جدید است یا خیر و همه اینها فقط در عرض ۵ ثانیه ممکن است.”

داوبار می‌گوید که دهانه‌ها به غیر از کمک به تجزیه و تحلیل سطح مریخ می‌توانند چیزهای زیادی را در مورد آنچه در زیر آن قرار دارد به دانشمندان بیاموزند. به عنوان مثال حدود یک دهه پیش مدارگرد شناسایی مریخ یک دهانه جدید را کشف کرد که مقداری از یخ‌های آب زیر سطحی را در معرض دید قرار می‌داد. با مطالعه درباره یخ و آب و چگونگی ناپدید شدن آن با گذشت زمان، دانشمندان توانستند درک بهتری از نحوه توزیع یخ در سطح کره زمین بدست بیاورند. داوبار امیدوار است که یک هوش مصنوعی که به طور منظم تصاویر مربوط به نشانه‌های دهانه‌های جدید را موشکافی می‌کند و می‌تواند دانشمندان را ظرف چند روز یا چند هفته از شکل‌گیری آن‌ها مطلع کند، مسبب ایجاد اکتشافاتی عظیم در خصوص این سیاره سرخ شود.

داوبار می‌گوید: “امکان استفاده از یادگیری ماشین برای تجزیه و تحلیل مجموعه‌ای بزرگ از داده‌ها و یافتن مواردی که تاکنون قادر به کشف آن نبودیم بسیار جالب است. این پروژه‌ی خاص تاکنون ۶۰ یا ۷۰ دهانه جدید را شناسایی کرده است که قبلا آن‌ها را ندیده بودیم. اما این تازه آغاز کار است و ما مشتاقانه منتظر پیدا کردن موارد بیشتری هستیم.”

واگستاف و همکارانش انتظار دارند که در آینده این سیستم یادگیری ماشین در فضا انجام شود تا روند کار بیش از پیش تسریع شود. به جای ارسال همه تصاویر به زمین برای پردازش توسط ابر رایانه‌های غول پیکر، فضاپیماهایی مانند Mars Reconnaissance Orbiter به خودی خود قادر به تجزیه و تحلیل داده‌ها هستند. این قابلیت امکان انجام مأموریت‌های انعطاف‌پذیرتر را فراهم می‌کند، زیرا مدارگرد مجبور نیست منتظر بماند تا انسان‌ها به او بگویند که یک نقطه را بررسی کند و اگر یک دهانه احتمالی را تشخیص دهد، می‌تواند بلافاصله مشاهده‌ی خود را با ابزار حساس تر پیگیری کند.

اما در حال حاضر این یک هدف دست‌نیافتنی به نظر می‌رسد. این کار بخشی از یک برنامه بزرگ‌تر به نام Cosmic در ناسا بود که هدف آن پیاده‌سازی الگوریتم‌های تشخیص تغییر تصویر بر روی خود مدارگردها بود. اگرچه تشخیص تغییرات در تصاویر یک مسئله کاملاً شناخته شده برای هوش مصنوعی است، اما ساخت سخت‌افزاری که بتواند الگوریتم‌های تشخیص را در فضا اجرا کند همچنان چالش برانگیز است. واگستاف و تیم تحقیقاتی او در تحقیقات اخیر خود بر روی دهانه‌های مریخ از ۷۵ هسته در یک ابر رایانه بزرگ استفاده کردند که قدرت محاسباتی آن بیشتر از چیزی بود که برای مدارگرد مریخ در اختیار است.

واگستاف می‌گوید: “در حال حاضر نمی‌توانیم محاسبات را روی مدارگرد انجام دهیم زیرا در نوع و تعداد پردازنده‌های موجود بسیار محدود هستیم. ما یک ابر رایانه بزرگ نداریم، حتی یک پردازنده چند هسته‌ای هم در اختیار نداریم. بنابراین هر چیزی که در کاوش‌گر قرار می‌دهید باید توانایی محاسباتی بسیار زیادی برای دستیابی به تشخیص تغییر داشته باشد.” در آینده ادغام هوش مصنوعی در فضاپیماها اهمیت بیشتری خواهد داشت. با پیشرفت فناوری و افزایش سرعت انتقال داده‌ها، محققان ناسا باید با سیل اطلاعاتی که همیشه در حال رشد است مبارزه کنند.

اما مشکلات همانند سوزن در انبار کاه سر بر خواهند آورد، جایی که راه حل در یک فضای جستجوی بسیار گسترده پنهان شده است.اما تصور کنید کاوشگرانی مجهز به هوش مصنوعی را که در منظومه شمسی پرسه می‌زنند. چه کسی می‌داند به کمک آن‌ها چه چیزی پیدا خواهیم کرد؟

 

لینک کوتاه شده : https://amerandish.com/6NpWX

به این مطلب امتیاز دهید

به اشتراک بگذارید

اشتراک گذاری در whatsapp
اشتراک گذاری در telegram
اشتراک گذاری در linkedin
اشتراک گذاری در twitter
اشتراک گذاری در email

نظرات شما

فارس آوا

تبدیل گفتار به متن

باتاوا

دستیارسازمانی - چت بات

هوشتل

اپراتورهوشمند مرکز تماس

بینایار

درک هوشمند ویدیو و تصویر

_ مطالب مرتبط _