คุณสามารถช่วยฝึกยานสำรวจของ NASA ให้สำรวจดาวอังคารได้ดียิ่งขึ้น
ด้วย AI4Mars ผู้ใช้จะร่างเค้าโครงหินและภูมิประเทศในภาพจากยานสำรวจ Perseverance Mars ของ NASA โปรเจ็กต์นี้ช่วยฝึกอัลกอริธึมปัญญาประดิษฐ์สำหรับความสามารถของรถแลนด์โรเวอร์ที่ได้รับการปรับปรุงบนดาวอังคาร เครดิต: NASA/JPL-Caltech สมาชิกของสาธารณชนสามารถช่วยสอนอัลกอริธึมปัญญาประดิษฐ์ให้รู้จักคุณสมบัติทางวิทยาศาสตร์ในภาพที่ถ่ายโดยรถแลนด์โรเวอร์ Perseverance ของ NASA ปัญญาประดิษฐ์หรือ AI มีศักยภาพมหาศาลในการเปลี่ยนแปลงวิธีที่ยานอวกาศของ NASA ศึกษาจักรวาล แต่เนื่องจากอัลกอริธึมแมชชีนเลิร์นนิงทั้งหมดต้องการการฝึกอบรมจากมนุษย์ โปรเจ็กต์เมื่อเร็วๆ นี้จึงขอให้สาธารณชนระบุคุณลักษณะที่มีความสนใจทางวิทยาศาสตร์เกี่ยวกับภาพที่ถ่ายโดยยานสำรวจ Perseverance Mars ของ NASA เรียกว่า AI4Mars โครงการนี้เป็นโครงการต่อเนื่องของโครงการที่เปิดตัวเมื่อปีที่แล้วซึ่งอาศัยภาพจากยานสำรวจ Curiosity ของ NASA ผู้เข้าร่วมโครงการในระยะก่อนหน้านั้นติดป้ายกำกับภาพเกือบครึ่งล้านภาพ โดยใช้เครื่องมือในการร่างคุณลักษณะต่างๆ เช่น ทรายและหินที่ขับสำรวจผู้ขับขี่ที่ห้องปฏิบัติการ Jet Propulsion ของ NASA โดยปกติแล้วจะระมัดระวังในการวางแผนเส้นทางบนดาวเคราะห์แดง ผลลัพธ์ที่ได้คืออัลกอริธึมที่เรียกว่า SPOC (Soil Property and Object Classification) ซึ่งสามารถระบุคุณลักษณะเหล่านี้ได้อย่างถูกต้องเกือบ 98% ของเวลาทั้งหมด SPOC ยังอยู่ในระหว่างการพัฒนา และนักวิจัยหวังว่าสักวันหนึ่งมันจะสามารถส่งไปยังดาวอังคารบนยานอวกาศในอนาคตที่สามารถทำงานได้อย่างอิสระมากกว่าเทคโนโลยี AutoNav ของ Perseverance ภาพจาก Perseverance จะปรับปรุง SPOC ให้ดียิ่งขึ้นด้วยการขยายประเภทของฉลากระบุที่สามารถนำไปใช้กับคุณลักษณะบนพื้นผิวดาวอังคารได้ ขณะนี้ AI4Mars ได้จัดทำฉลากเพื่อระบุรายละเอียดที่ละเอียดยิ่งขึ้น ทำให้ผู้คนสามารถเลือกทางเลือกต่างๆ เช่น หินลอย (“เกาะ” ของหิน) หรือก้อน (ลูกบอลขนาด BB ที่มักก่อตัวขึ้นจากน้ำ ของแร่ธาตุที่เชื่อมเข้าด้วยกัน) เป้าหมายคือเพื่อขัดเกลาอัลกอริธึมที่สามารถช่วยให้ยานสำรวจในอนาคตหยิบเข็มจากกองหญ้าของข้อมูลที่ส่งมาจากดาวอังคาร ด้วยกล้อง 19 ตัว Perseverance จะส่งรูปภาพจากหลายสิบถึงหลายร้อยภาพไปยัง Earth ในแต่ละวันเพื่อให้นักวิทยาศาสตร์และวิศวกรรวบรวมคุณสมบัติทางธรณีวิทยาที่เฉพาะเจาะจง แต่เวลามีจำกัด หลังจากที่ภาพเหล่านั้นเดินทางหลายล้านไมล์จากดาวอังคารมายังโลก สมาชิกในทีมมีเวลาไม่กี่ชั่วโมงในการพัฒนาชุดคำสั่งต่อไป ตามสิ่งที่พวกเขาเห็นในภาพเหล่านั้น เพื่อส่งไปยังความเพียร Vivian Sun นักวิทยาศาสตร์ JPL ผู้ช่วยประสานงานการปฏิบัติงานประจำวันของ Perseverance และปรึกษาเกี่ยวกับโครงการ AI4Mars กล่าวว่า “เป็นไปไม่ได้ที่นักวิทยาศาสตร์คนใดจะดูภาพดาวน์ลิงก์ทั้งหมดด้วยการตรวจสอบอย่างละเอียดถี่ถ้วนในระยะเวลาสั้นๆ ทุกวัน” “จะช่วยเราประหยัดเวลาได้หากมีอัลกอริธึมที่สามารถพูดได้ว่า ‘ฉันคิดว่าฉันเห็นเส้นหินหรือก้อนเนื้อที่นี่’ จากนั้นทีมวิทยาศาสตร์ก็สามารถดูรายละเอียดเพิ่มเติมในพื้นที่เหล่านั้นได้” โดยเฉพาะอย่างยิ่งในระหว่างขั้นตอนการพัฒนานี้ SPOC ต้องการการตรวจสอบจำนวนมากจากนักวิทยาศาสตร์เพื่อให้แน่ใจว่ามีการติดฉลากอย่างถูกต้อง แต่ถึงแม้จะปรับปรุงแล้ว อัลกอริทึมก็ไม่ได้มีจุดประสงค์เพื่อแทนที่การวิเคราะห์ที่ซับซ้อนมากขึ้นโดยนักวิทยาศาสตร์ในมนุษย์ Hiro Ono นักวิจัย JPL AI ผู้นำการพัฒนา AI4Mars กล่าวว่ามันคือทั้งหมดที่เกี่ยวกับคีย์ข้อมูลสำหรับอัลกอริธึมที่ประสบความสำเร็จเป็นชุดข้อมูลที่ดี ยิ่งมีข้อมูลแต่ละส่วนมากเท่าใด อัลกอริทึมก็จะยิ่งเรียนรู้มากขึ้นเท่านั้น แขนหุ่นยนต์ของรถแลนด์โรเวอร์ Perseverance ของ NASA มองเห็นได้ในภาพนี้ซึ่งใช้โดยโครงการ AI4Mars ผู้ใช้ร่างโครงร่างและระบุลักษณะหินและภูมิประเทศที่แตกต่างกันเพื่อช่วยฝึกอัลกอริทึมปัญญาประดิษฐ์ที่จะช่วยปรับปรุงความสามารถของยานสำรวจดาวอังคาร เครดิต: NASA/JPL-Caltech “การเรียนรู้ด้วยเครื่องแตกต่างจากซอฟต์แวร์ทั่วไปมาก” โอโนะกล่าว “นี่ไม่เหมือนกับการทำบางสิ่งตั้งแต่เริ่มต้น ให้คิดว่ามันเป็นการเริ่มด้วยสมองใหม่ ความพยายามมากขึ้นในที่นี้คือการรับชุดข้อมูลที่ดีเพื่อสอนสมองนั้นและนวดข้อมูลเพื่อให้เรียนรู้ได้ดีขึ้น” นักวิจัย AI สามารถฝึกอัลกอริธึมที่ผูกกับโลกด้วยภาพบ้าน ดอกไม้ หรือลูกแมวหลายหมื่นภาพ แต่ไม่มีที่เก็บข้อมูลดังกล่าวสำหรับพื้นผิวดาวอังคารก่อนโครงการ AI4Mars ทีมงานจะมีเนื้อหาที่มีรูปภาพประมาณ 20,000 ภาพในที่เก็บของพวกเขา โดยแต่ละภาพมีคุณลักษณะต่างๆ ที่ติดป้ายกำกับไว้ Annie Didier จาก JPL ซึ่งทำงานเกี่ยวกับ AI4Mars เวอร์ชัน Perseverance กล่าวว่าพื้นที่เก็บข้อมูล Mars สามารถให้บริการได้หลายวัตถุประสงค์ “ด้วยอัลกอริธึมนี้ รถแลนด์โรเวอร์สามารถเลือกเป้าหมายทางวิทยาศาสตร์ที่จะขับไปได้โดยอัตโนมัติ” เธอกล่าว นอกจากนี้ยังสามารถเก็บภาพต่างๆ ไว้บนยานโรเวอร์ แล้วส่งเฉพาะภาพของคุณลักษณะเฉพาะที่นักวิทยาศาสตร์สนใจเท่านั้น เธอกล่าว นั่นอยู่บนขอบฟ้า นักวิทยาศาสตร์อาจไม่ต้องรอนานขนาดนั้นเพื่อให้อัลกอริธึมได้รับประโยชน์ ก่อนที่อัลกอริธึมจะเผยแพร่สู่อวกาศ สามารถใช้สแกนคลังข้อมูลดาวอังคารสาธารณะขนาดใหญ่ของ NASA ได้ ซึ่งช่วยให้นักวิจัยค้นหาลักษณะพื้นผิวในภาพเหล่านั้นได้ง่ายขึ้น Ono ตั้งข้อสังเกตว่าสิ่งสำคัญสำหรับทีม AI4Mars ในการจัดทำชุดข้อมูลของตนเองให้เปิดเผยต่อสาธารณะ เพื่อให้ชุมชนวิทยาศาสตร์ข้อมูลทั้งหมดได้รับประโยชน์ “ถ้ามีคนนอก JPL สร้างอัลกอริทึมที่ทำงานได้ดีกว่าของเราโดยใช้ชุดข้อมูลของเรา นั่นก็ยอดเยี่ยมเช่นกัน” เขากล่าว “มันทำให้ง่ายต่อการค้นพบมากขึ้น” เพิ่มเติมเกี่ยวกับภารกิจ วัตถุประสงค์หลักสำหรับภารกิจของ Perseverance บนดาวอังคารคือโหราศาสตร์ รวมทั้งการค้นหาสัญญาณของจุลินทรีย์ในสมัยโบราณ รถแลนด์โรเวอร์จะแสดงลักษณะทางธรณีวิทยาของดาวเคราะห์และสภาพอากาศในอดีต ปูทางให้มนุษย์สำรวจดาวเคราะห์แดง และเป็นภารกิจแรกในการรวบรวมและรวบรวมหินดาวอังคารและเรโกลิธ (หินและฝุ่นที่แตกสลาย) ภารกิจต่อมาของ NASA ร่วมกับ ESA (European Space Agency) จะส่งยานอวกาศไปยังดาวอังคารเพื่อรวบรวมตัวอย่างที่ปิดสนิทเหล่านี้จากพื้นผิวและส่งกลับไปยังโลกเพื่อการวิเคราะห์ในเชิงลึก ภารกิจ Mars 2020 Perseverance เป็นส่วนหนึ่งของแนวทางการสำรวจ Moon to Mars ของ NASA ซึ่งรวมถึงภารกิจ Artemis ไปยังดวงจันทร์ซึ่งจะช่วยเตรียมความพร้อมสำหรับการสำรวจดาวเคราะห์สีแดงของมนุษย์ การอ้างอิง: คุณสามารถช่วยฝึกยานสำรวจของ NASA ให้สำรวจดาวอังคารได้ดีขึ้น (2021, 26 ตุลาคม) ที่ดึงข้อมูลเมื่อ 26 ตุลาคม พ.ศ. 2564 จาก https://phys.org/news/2021-10-nasa-rovers-explore-mars.html เอกสารนี้เป็นหัวเรื่อง เพื่อเป็นลิขสิทธิ์ นอกเหนือจากข้อตกลงที่เป็นธรรมเพื่อการศึกษาหรือการวิจัยส่วนตัวแล้ว ห้ามทำซ้ำส่วนหนึ่งส่วนใดโดยไม่ได้รับอนุญาตเป็นลายลักษณ์อักษร เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลเท่านั้น
