Die Öffentlichkeit kann nun einem Algorithmus der künstlichen Intelligenz beibringen, wissenschaftliche Erkenntnisse in Fotos zu erkennen, die vom NASA-Rover Perseverance aufgenommen wurden.
Künstliche Intelligenz oder KI kann die Art und Weise, wie NASA-Weltraummissionen den Kosmos erforschen, erheblich verändern. Da jedoch alle Algorithmen für maschinelles Lernen menschliches Training erfordern, werden in einem kürzlich durchgeführten Experiment die Öffentlichkeit gebeten, wissenschaftlich bemerkenswerte Merkmale in Bildern zu identifizieren, die vom NASA-Rover Perseverance auf dem Mars gesammelt wurden.
Das AI4Mars-Projekt baut auf einem früheren Projekt auf, das letztes Jahr Daten des NASA-Rover Curiosity nutzte. Die Teilnehmer klassifizierten in den frühen Phasen des Projekts fast 500.000 Bilder und verwendeten ein Tool, um Eigenschaften wie Sand und Fels anzuzeigen, die Rover-Fahrer im Jet Propulsion Laboratory der NASA bei der Auswahl der Flugbahnen auf dem Mars ausgewählt hatten. SPOC (Soil Object and Property Classification) war das Endprodukt, ein Algorithmus, der diese Attribute in 98 Prozent der Fälle genau erkennen konnte.
SPOC ist im Gange und plant, es mit einem zukünftigen Raumschiff zum Mars zu bringen, das noch autonomeres Fahren ermöglicht als die AutoNav-Technologie von Perseverance.
Die Perseverance-Bildgebung wird SPOC weiter verbessern, indem sie die Arten von Identifikationsetiketten erweitert, die auf Marsobjekten angebracht werden. Derzeit weist AI4Mars Etiketten zu, um feinere Details zu erkennen, sodass Benutzer zwischen schwimmenden Felsen (Felsinseln) und Knötchen (BB-große Mineralkugeln, die in zusammengeklebtem Wasser gebildet werden) wählen können.
Die Grundidee besteht darin, einen Algorithmus zu verbessern, der einem zukünftigen Marsrover dabei helfen soll, Nadeln in einem Stapel von Daten zu finden, die vom Roten Planeten gesendet werden. Perseverance verfügt über 19 Kameras und sendet täglich Hunderte von Fotos zur Erde, damit Wissenschaftler nach bestimmten geologischen Merkmalen suchen können. Allerdings ist die Zeit von entscheidender Bedeutung: Nachdem diese Bilder Millionen von Kilometern vom Mars zur Erde gereist sind, haben die Teammitglieder nur wenige Stunden Zeit, um auf der Grundlage dessen, was sie auf den Bildern beobachten, die nächsten Anweisungen zu entwickeln, die sie an Perseverance senden.
„Es ist keinem Wissenschaftler möglich, jeden Tag in so kurzer Zeit alle Downlink-Bilder genau zu betrachten“, sagte Vivian Sun, eine JPL-Wissenschaftlerin, die den täglichen Betrieb von Perseverance koordiniert und Beraterin beim AI4Mars-Projekt ist. „Es würde uns Zeit sparen, wenn es einen Algorithmus gäbe, der sagen könnte: ‚Ich glaube, ich habe hier Gesteinsadern oder Knötchen gesehen‘, und dann könnte das Wissenschaftsteam diese Bereiche genauer untersuchen.“
SPOC erfordert eine umfassende Validierung durch Wissenschaftler, um eine genaue Kennzeichnung sicherzustellen. Auch wenn er sich verbessert, ist der Algorithmus nicht dazu gedacht, komplexere Analysen durch menschliche Experten zu ersetzen.
Laut Hiro Ono, dem JPL-KI-Forscher, der die Entwicklung von AI4Mars leitete, ist für einen erfolgreichen Algorithmus ein geeigneter Datensatz erforderlich. Je mehr individuelle Daten ein maschinelles Lernsystem hat, desto mehr lernt es.
„Maschinelles Lernen unterscheidet sich stark von normaler Software“, sagte Ono. „Das ist nicht so, als würde man etwas von Grund auf neu machen. Stellen Sie sich vor, Sie beginnen mit einem neuen Gehirn. Der größere Aufwand besteht hier darin, einen guten Datensatz zu erhalten, um das Gehirn zu trainieren, und die Daten so zu verarbeiten, dass sie besser erlernt werden können.“
KI-Forscher können Zehntausende Fotos verwenden, um ihre Algorithmen zu trainieren. Doch leider gab es vor der AI4Mars-Initiative keine vergleichbaren Daten zur Marsoberfläche. Das Team würde sich freuen, wenn es 20.000 oder mehr Bilder in seinem Archiv hätte, jedes mit seinen eigenen Eigenschaften.
Laut Annie Didier vom JPL, die an der Perseverance-Version von AI4Mars gearbeitet hat, könnte das Mars Data Warehouse zahlreichen Verwendungsmöglichkeiten dienen. „Mit diesem Algorithmus könnte der Rover automatisch wissenschaftliche Ziele auswählen, auf die er zusteuern möchte. Es könnte auch eine Vielzahl von Bildern an Bord des Rovers speichern und dann nur Bilder von bestimmten Merkmalen zurücksenden, an denen Wissenschaftler interessiert sind“, sagte er.
Höchstwahrscheinlich müssen Wissenschaftler nicht lange warten, bis ihnen der Algorithmus zugute kommt. Bevor das Gerät in die Umlaufbahn gebracht wird, könnte es dazu verwendet werden, die riesige öffentliche Sammlung von Marsdaten der NASA zu scannen, wodurch es für Forscher einfacher wird, Oberflächenmerkmale in den Bildern zu erkennen.
Laut Ono sollte das AI4Mars-Team seinen Datensatz öffentlich zugänglich machen, um der gesamten Data-Science-Community zu helfen.
„Wenn jemand außerhalb von JPL anhand unseres Datensatzes einen Algorithmus erstellt, der besser funktioniert als unserer, ist das auch großartig“, sagte er. „Es macht es einfach einfacher, mehr Entdeckungen zu machen.“
Die Mission von Perseverance zum Mars hat einen wichtigen astrobiologischen Zweck. Der Rover wird die Geologie des Mars und das vergangene Klima untersuchen, um sich auf zukünftige bemannte Erkundungsmissionen zum Mars vorzubereiten.
Im Anschluss an NASA-Missionen würden in Zusammenarbeit mit der ESA (Europäische Weltraumorganisation) Raumschiffe zum Mars geschickt, um diese versiegelten Proben von der Oberfläche zu sammeln und sie zur weiteren Untersuchung zur Erde zurückzubringen.
Die Mars 2020 Perseverance-Mission ist Teil der Mond-Mars-Erkundungsstrategie der NASA, einschließlich der Artemis-Mondmissionen, die zur Vorbereitung der menschlichen Erforschung des Mars beitragen sollen.
Brunnen: JPL
