NASA: n rajat ylittävän kehityksen laboratorio-ohjelman osanottajat esittelivät 17. elokuuta projekteja koneoppimisen käytöstä avaruudessa. Ryhmät näyttivät erityisesti tekoälyjärjestelmiä mahdollisesti vaarallisten komeetojen kiertoratojen määrittämiseksi ja kuun pinnan karttojen parantamiseksi. IEEE Spectrum puhuu siitä.
Yritykset, kuten Facebook tai Google, käyttävät koneoppimista tekstin kääntämiseen tai valokuvien tunnistamiseen, mutta koneoppimistekniikoita käytetään paitsi räätälöityihin tuotteisiin myös tieteellisten ongelmien ratkaisemiseen. NASA tutkii toista vuotta järjestävän Frontier Development Laboratory -ohjelman avulla keinotekoisen älykkyyden algoritmien mahdollisuuksia avaruustutkimukseen. Joka kesä virasto kokoaa yhteen pienet tutkijaryhmät ratkaisemaan tärkeät avaruustutkimusongelmat.
Ryhmät työskentelevät yhteensä viiden projektin parissa - suojelevat planeettaa pitkäaikaisilta komeetoilta, tunnistavat kuunkraattereita, luovat kolmiulotteisia maapallon lähellä olevien asteroidien malleja, tutkivat heliosfäärin ja avaruussääntöjen vaikutusta Maan ilmakehään ja magnetosfääriin sekä määrittävät aurinkoleimahduksen ja sepelvaltimoiden poistumisten syyt. Viime torstaina Santa Clarassa pidetyssä Wrap-Up-konferenssissa tutkijat esittelivät ensimmäiset tulokset.
IEEE Spectrum puhui kahden ryhmän työn tuloksista. Ensimmäinen tutkijaryhmä käytti Cameras for Allsky Meteor Surveillance (CAMS) -tutkimuksen tietoja ennustaakseen meteoriinisuihkuilta, milloin seuraava pitkäaikainen komeetta lentää lähellä Maata. Osana CAMS: ää kolmekymmenelle asemalle asennetut kuusikymmentä videokameraa tarkkailevat taivasta etsien heikkoja meteoreja. He löytävät meteorisuihkut ja yrittävät korreloida ne äskettäin löydettyihin komeetoihin, jotka ovat saattaneet jättää nämä roskat. Tutkijaryhmä raja-alueiden laboratoriosta on kehittänyt hermoverkon, joka erottaa nopeasti liikkuvat meteorit pilvistä, tulipaloista ja lentokoneista (yleensä käsin tehdyt) ja ryhmittelee kuvat sitten ajoissa. Siten algoritmi löytää aikaisemmin tuntemattomia meteorisuihkuja.
90 prosentilla tapauksista kahden kuukauden ajan testatun hermoverkon ennusteet vastasivat ihmisten luokittelua kohteisiin. Pilottihankkeessa ryhmä analysoi noin miljoona meteoria. Jotkut asiantuntijat suhtautuivat projektiin kuitenkin skeptisesti: etenkin he vaativat todisteita siitä, että meteoriinisuihkut eivät ole melua tiedoissa ja että ne ovat komeettojen jäännöksiä eivätkä asteroideja tai muita lähteitä. Yksi projektin luojaista, Marcelo de Cicco Brasilian kansallisesta metrologiainstituutista, päätti, että hermoverkkoa on vielä parannettava.
Toisen projektin tekijät työskentelivät LRO: n (planetaarisen Lunar Reconnaisance Orbiter) -aseman tietojen avulla tarkemman kartan kuun pinnasta. Tutkijat käyttivät ensin tietoja Lunar Orbiter -laserkorkeusmittarista (LOLA) satelliitin digitaalisen korkeuskartan luomiseen. Sillä oli kuitenkin yksi haittapuoli - se sisälsi esineitä. Aina kun LRO kiertää Kuua, se poikkeaa hieman ihanteellisesta kiertoradaltaan. Tämän takia mittaukset ovat epätarkkoja ja kiviä ja halkeamia esiintyy siellä missä niitä ei ole.
Tämän ongelman ratkaisemiseksi tutkijat sovittivat kartan kapean kulman kameran (NAC) kuviin, joka tallentaa kuun pinnasta heijastetun auringonvalon. Ryhmä käytti koneoppimisalgoritmia hiomalla esineet ja laatinut tarkemman kartan maan satelliitista. Tutkijat ovat myös opettaneet tekoälyn järjestelmän erottamaan kraatterit varjoista ja vastaavista esineistä. Ohjelman tarkkuus oli 98 prosenttia.
Astronomit ovat viime vuosina käyttäneet yhä enemmän hermoverkkoja työssään. Esimerkiksi tietokonealgoritmit auttavat jo tutkijoita määrittämään eksoplaneettojen ilmakehän koostumusta ja seuraamaan tähteiden liikettä galaksissa.
Mainosvideo:
Christina Ulasovich