Účastníci programu Laboratórium vývoja hraníc NASA 17. augusta predstavili projekty týkajúce sa využívania strojového učenia vo vesmíre. Tímy preukázali najmä systémy umelej inteligencie na určovanie obežných dráh potenciálne nebezpečných komét a zlepšenie máp lunárneho povrchu. IEEE Spectrum o tom hovorí.
Spoločnosti ako Facebook alebo Google používajú strojové učenie na preklad textu alebo rozpoznávanie ľudí na fotografiách, ale techniky strojového učenia sa používajú nielen vo vlastných výrobkoch, ale tiež na riešenie vedeckých problémov. S pomocou programu Frontier Development Laboratory, ktorý sa organizuje už druhý rok, NASA skúma možnosti algoritmov umelej inteligencie pre vesmírny prieskum. Každé leto agentúra spája malé skupiny výskumných pracovníkov s cieľom riešiť dôležité problémy kozmického výskumu.
Celkovo tímy pracujú na piatich projektoch - chránia planétu pred dlhodobými kométami, určujú lunárne krátery, vytvárajú trojrozmerné modely asteroidov blízkej Zeme, skúmajú vplyv heliosféry a kozmického počasia na zemskú atmosféru a magnetosféru a určujú príčiny slnečných erupcií a vyhadzovania koronálnych hmôt. Na konferencii Wrap-Up v Santa Clare, ktorá sa konala minulý štvrtok, vedci predstavili prvé výsledky.
IEEE Spectrum hovorilo o výsledkoch práce oboch tímov. Prvý tím vedcov použil údaje z prieskumu Kamery pre dohľad nad Allsky Meteor Surveillance (CAMS) na predpovedanie meteorických rojov, kedy bude nasledovať ďalšia dlhodobá kométa v blízkosti Zeme. V rámci CAMS sleduje šesťdesiat videokamier nainštalovaných na troch staniciach oblohu, ktorá hľadá slabé meteory. Nájdu meteorické sprchy a pokúsia sa ich korelovať s nedávno objavenými kométami, ktoré mohli tieto zvyšky opustiť. Tím vedcov z laboratória Frontier Development Laboratory vyvinul neurónovú sieť, ktorá rozlišuje rýchlo sa pohybujúce meteory od mrakov, svetlušiek a lietadiel (spravidla ručne) a potom obrázky zoskupuje podľa času. Algoritmus tak nájde predtým neznáme meteorické sprchy.
V 90 percentách prípadov predpovede neurónovej siete, ktorá bola testovaná dva mesiace, sa zhodovali s klasifikáciou predmetov ľuďmi. V pilotnom projekte tím analyzoval asi milión meteorov. Niektorí odborníci však boli voči projektu skeptickí: požadovali najmä dôkaz, že meteorické sprchy nie sú hlukom v údajoch a tiež, že sú pozostatkami komét, a nie asteroidmi alebo inými zdrojmi. Jeden z tvorcov projektu, Marcelo de Cicco z brazílskeho Národného metrologického inštitútu, súhlasil s tým, že nervová sieť sa musí ešte vylepšiť.
Autori druhého projektu pracovali s údajmi z medziplanetárnej stanice Lunar Reconnaisance Orbiter (LRO), aby vytvorili podrobnejšiu mapu lunárneho povrchu. Vedci prvýkrát použili informácie z laserového výškomeru Lunar Orbiter (LOLA) na vytvorenie digitálnej výškovej mapy satelitu. Mala však jednu nevýhodu - obsahovala artefakty. Zakaždým, keď LRO obieha Mesiac, mierne sa odchyľuje od svojej ideálnej obežnej dráhy. Z tohto dôvodu sú merania nepresné a kamene a praskliny sa objavujú tam, kde nie sú.
Na vyriešenie tohto problému vedci priradili mapu k obrázkom z Úzkej uhlovej kamery (NAC), ktorá zaznamenáva slnečné svetlo odrazené od povrchu mesiaca. Pomocou algoritmu strojového učenia tím vylúčil artefakty a urobil presnejšiu mapu satelitov Zeme. Vedci tiež učili systém umelej inteligencie na odlíšenie kráterov od tieňov a podobných predmetov. Presnosť programu bola 98 percent.
Astronómovia v posledných rokoch vo svojej práci vo zvýšenej miere využívali neurónové siete. Napríklad počítačové algoritmy už pomáhajú vedcom určiť zloženie atmosféry exoplanet a sledovať pohyb hviezd v galaxii.
Propagačné video:
Christina Ulasovich