Puedes ayudar a enseñar a los rovers de la NASA a explorar Marte con el proyecto AI4Mars
La inteligencia artificial podría ser de gran ayuda para los rovers de Marte como el Curiosity o Perseverance de la NASA, pero primero estos sistemas de IA deben ser entrenados en lo que deben buscar. Un proyecto de la NASA invita a miembros del público a ayudar a identificar características del paisaje marciano, con el fin de entrenar un algoritmo que los futuros rovers podrían usar para navegar alrededor del planeta rojo.
El proyecto AI4Mars se lanzó el año pasado y los usuarios ya han etiquetado casi medio millón de imágenes para ayudar a desarrollar el algoritmo de clasificación de objetos y propiedades del suelo (SPOC). Este algoritmo identifica características del paisaje como arena y roca, y lo hace correctamente casi el 98% del tiempo. En el futuro, este algoritmo podría incorporarse a las capacidades de conducción autónoma de los rovers de Marte, como la tecnología AutoNav utilizada por Perseverance.
Ahora, los investigadores quieren expandir SPOC para obtener información más detallada sobre formaciones rocosas, como la presencia de rocas flotantes o nódulos. Al clasificar automáticamente los tipos de rocas captadas por los rovers, los investigadores pueden enviar instrucciones de conducción a los rovers más rápidamente.
"No es posible que ningún científico observe todas las imágenes de enlace descendente con escrutinio en tan poco tiempo, todos los días", explicó Vivian Sun, una científica del JPL que ayuda a coordinar las operaciones diarias de Perseverance y consultora sobre el proyecto AI4Mars. “Nos ahorraría tiempo si hubiera un algoritmo que pudiera decir: 'Creo que vi vetas de roca o nódulos aquí', y luego el equipo científico puede observar esas áreas con más detalle”.
Para ayudar a desarrollar este algoritmo, la NASA está invitando a miembros del público a ir a la página AI4Mars en Zooniverse y mirar imágenes de la superficie marciana capturadas por el rover Curiosity. Se les pide que dibujen polígonos alrededor de características particulares como arena, suelo, lecho rocoso y rocas grandes. Luego, los científicos recopilan y verifican los resultados de miles de clasificaciones realizadas por el público para asegurarse de que el etiquetado sea exacto.
Con el tiempo, a medida que se etiquetan más datos individuales, el algoritmo puede aprender a distinguir características por sí mismo.
"El aprendizaje automático es muy diferente del software normal", dijo el investigador principal del proyecto AI4Mars, Hiro Ono. “Esto no es como hacer algo desde cero. Piense en ello como comenzar con un nuevo cerebro. Más del esfuerzo aquí es obtener un buen conjunto de datos para enseñar a ese cerebro y masajear los datos para que se aprendan mejor ".