MROコンテキストカメラ（CTX）は、一度に数百キロメートルをカバーできる低解像度の画像をキャプチャします。これにより、衝突サイト周辺の爆発の痕跡を見つけて、惑星の表面の検索領域を絞り込むことができます。より細かい詳細をキャプチャし、個々のクレーターを識別するために、科学者は高解像度のMROカメラHiRISEに依存しています。惑星表面の軌道からわずか30cmの長さの物体を見ることができます。最初にCTXカメラからの画像が分析され、次にHiRISEが興味深い領域を対象としています。ただし、火星の表面にある小さな物体を特定し、さらに調査するためにそれらを選択するには、綿密な画像分析が必要です。 NASAは、AIがこのプロセスを加速することを期待しています。
クレーターをより正確に見つけるために、NASAの研究者は、コンテキストカメラで撮影された6830枚の画像でアルゴリズムを「トレーニング」しました。このプロセスには、人間が以前に惑星の表面との衝突を特定した領域の画像と、クレーターのない領域の画像が含まれていたため、機器は火星の表面の特徴を正しく区別することを学習できました。
人工知能によって識別された小さな火星のクレーターのクラスター。写真：NASA
アルゴリズムをトレーニングした後、科学者はコンテキストカメラでキャプチャされた赤い惑星の表面の別の112,000枚の画像をアップロードしました。これらの画像のおかげで、人工知能はNoctis Fossaeと呼ばれるクレーターのグループを区別することができました。これは、HiRISE機器を使用する研究者によって確認されました。したがって、20の追加の関心領域が特定され、専門家はそれらをより詳細に調査します。
「もちろん、人工知能は科学者ほど巧みに画像を分析することはできません。しかし、この新しいアルゴリズムのようなツールは、まさにそれを行うのに役立ちます。これは、科学的発見を加速するために協力する人間と人工知能の刺激的な共生への道を開きます」とJPLNASAのKiriWagstaffは述べています。
「多くのコンピューターに作業を分散しないと、112,000を超える画像を妥当な時間で処理することは不可能です」と彼女の同僚のGaryDoran氏は言います。
NASAは、将来の火星探査機で同様の分類技術を使用することを望んでいます。National Aeronautics and Space Administrationのスタッフによると、これにより、流星が火星に落下する頻度をより完全に把握できるようになります。