现在，公众可以教育一种人工智能算法，以在NASA的毅力漫游者拍摄的照片中承认科学选择。
人工智能或人工智能可以显着改变NASA的太空任务如何研究宇宙。但是，由于所有机器学习算法都需要人类培训，因此最近的一个实验要求公共成员确定NASA的火星漫游者毅力收集的图像中的科学值得注意的特征。
AI4MARS项目依赖于去年使用NASA Ouliosity Rover数据的前一个项目。参与者在项目的早期阶段对近500,000张图像进行了分类，使用工具来指示诸如沙滩和岩石驾驶员在NASA的喷气推进实验室中的训练驾驶员，同时选择火星上的轨迹。SPOC（土壤特性和物体分类）是最终产品，该算法可以准确地检测到98％的时间。
SPOC正在进行中，计划将其带到火星上的未来航天器，比毅力的Autonav技术能够更有自主驾驶。爱游戏ayx体育
毅力图像将通过扩展适用于火星物体的标签的类型来改善SPOC。目前，AI4MARS分配了标签来检测更精细的细节，使用户可以在浮子岩石（岩石岛）和结节（水形成的BB大小的矿物球）之间进行选择。
基本思想是改善算法，以帮助未来的火星漫游者在红色星球传递的一堆数据中找到针头。拥有19台相机的毅力每天将数百张照片发送到地球，以便科学家可以寻找某些地质特征。但是，时间至关重要：在这些图像从火星到地球上行驶数百万公里之后，团队成员只有几个小时来开发下一组说明，以根据图像中的观察到的观点来发送持久性。
JPL科学家Vivian Sun说：“任何科学家都不可能在如此短的时间内审查所有下连接的图像。”“如果有一种算法可以说，‘我想我在这里看到岩石静脉或结节，这将节省我们的时间，然后科学团队可以更详细地研究这些领域。”
SPOC需要科学家的大量验证，以确保精确的标签。即使它有所改善，该算法也不打算代替人类专家进行的更复杂的分析。
据主持AI4MARS开发的JPL AI研究人员Hiro Ono认为，对于成功的算法，必须使用合适的数据集。机器学习系统所拥有的数据越多，它学习得越多。
“机器学习与普通软件有很大不同，” Ono说。“这不像从头开始做些东西。将其视为从新的大脑开始。这里的更多精力是获得一个很好的数据集来教导大脑和按摩数据，以便更好地学习。”
人工智能研究人员可以使用数以万计的照片来训练其算法。但是，不幸的是，在AI4MARS计划之前，没有为火星表面存储的数据。如果其存档中有20,000张或更多图像，则该团队将欣喜若狂，每个图像都有自己的功能集。
根据JPL的Annie Didier的说法，在AI4Mars的毅力版中工作，Mars-Data商店可以提供许多用途。“使用该算法，流浪者可以自动选择要驱动到的科学目标。她说：“它还可以存储各种图像，然后将科学家感兴趣的特定功能的图像发送回。”
科学家很可能不必等待很长时间才能使算法对它们有益。在进入轨道上之前，该设备可用于扫描NASA的大量火星数据集合，从而使研究人员更容易在图像中发现表面特征。
根据Ono的说法，AI4MARS团队必须公开使用其数据集，以使整个数据科学界受益。
他说：“如果JPL以外的人创建了一种比使用数据集更好的算法，那也很棒。”“这使得更容易发现更多发现。”
毅力在火星上的使命具有天文学的重大目的。漫游者将研究火星的地质和以前的气候，为未来的人类火星探索任务做准备。
在NASA任务之后，航天器将与ESA（欧洲航天局）合作发送到火星，以从地面收集这些密封的样品，并将其返回地球进行进一步检查。
火星2020年的毅力任务是NASA登陆火星勘探策略的一部分，包括Artemis Moon任务，以帮助准备人类对火星的探索。
资源：JPL
