ناسا تريد منك أن تدرب رائد الفضاء AI على المثابرة • Digikala Mag
في مشروع جديد ، طلبت ناسا من الجميع المشاركة في تدريب مستمر لرواد الفضاء لتحديد معالم سطح المريخ بشكل أفضل.
رائد فضاء ناسا المستمر هو الجهاز الأكثر تقدمًا على الإطلاق الذي تم إرساله إلى الكوكب الأحمر مع مجموعة من الكاميرات والتصميم الدقيق الذي يجب أن يصمد أمام اختبار الزمن.
ومع ذلك ، هذا مجرد روبوت ، وفي بعض الأحيان يمكن أن يساعد فهم الإنسان الروبوت على أن يصبح ذكيًا. إذا كنت ترغب في مساعدة رائد فضاء دائم ، تطلب ناسا من الأشخاص المهتمين المساعدة في خوارزميات التعلم الآلي المستمرة.
كل ما عليك فعله هو إلقاء نظرة على الصور وتحديد المعالم الجيولوجية ذات الصلة بها. هذا شيء يمكن لمعظم الناس القيام به بشكل مباشر ، ولكن يصعب على الروبوت.
يُطلق على مشروع ناسا لتعليم الذكاء الاصطناعي لرواد الفضاء اسم “AI for Mars” (AI4Mars) وهو استمرار لمشروع بدأ العام الماضي لرائد الفضاء “Curiosity”. وصل الفضول إلى المريخ في عام 2012 وهو يصنع التاريخ منذ ذلك الحين. استخدمت وكالة ناسا الخبرة المكتسبة بمساعدة رائد فضاء كيوريوسيتي كنقطة انطلاق عند تصميم المثابرة.
يمتلك رائد الفضاء الجديد 23 كاميرا تلتقط كميات كبيرة من بيانات الصور من المريخ ، لكن الروبوت يعتمد على مشغلين بشريين لتفسير هذه الصور بشكل أكبر. يتمتع رائد الفضاء بذكاء اصطناعي لعبور عوائق سطح المريخ جيدًا ، وفي مشروع جديد لوكالة ناسا بمساعدة الناس ، سيكون ذكاءه أفضل.
صورة شخصية للعربة الجوالة المثابرة مع مروحية المريخ العبقرية
حقوق الصورة: NASA / JPL-Caltech / MSSS / Sean Doran
موقع مشروع AI4Mars يسمح للمستخدمين بالاختيار بين رواد فضاء “الفرصة” والفضول وصور المثابرة لرائد الفضاء الجدد. بعد تحديد نوع الصور التي يريد المستخدم مراجعتها ، يتم عرض عدة علامات مختلفة مع وصف لكل منها.
تطلب NavCam ، على سبيل المثال ، من المستخدم تحديد الرمال والتربة الصلبة (حيث تتمتع العجلات بجر جيد) وصخور الأساس والصخور الكبيرة. يتم توفير أمثلة على كل هذه الهياكل ، لذلك سيكون البدء سريعًا جدًا.
مع كل هذه البيانات المصنفة ، يمكن لوكالة ناسا تدريب الشبكات العصبية بشكل أفضل لاكتشاف ميزات سطح المريخ. في النهاية ، قد يتمكن رائد الفضاء من الدوران وجمع العينات دون انتظار تلقي فريق التحكم في المهمة تعليمات مفصلة لأدنى حركة.
يساعد تدريب الذكاء الاصطناعي أيضًا على تحديد أهم الميزات الجيولوجية بشكل أفضل ويحفظ البشر من الاستكشاف الأعمى لعدة غيغابايت من البيانات.
نتيجة مشروع AI4Mars Curiosity هي خوارزمية تسمى تصنيف خصائص التربة والكائنات (SPOC). لا تزال الخوارزمية قيد التطوير النشط ، لكن وكالة ناسا تقول إنها تستطيع الآن اكتشاف ميزات كوكب المريخ بدقة تصل إلى 98٪.
الصور المسمى للعربة الجوالة الثابتة ، والتي تتضمن مزيدًا من التفاصيل بما في ذلك الصخور المنفردة والحصى الشبيهة بحبوب اللقاح ونسيج الأساس ، تزيد من تحسين خوارزمية SPOC. في بعض الصور ، يتم تمييز جميع الكائنات تقريبًا مسبقًا ، ولكن في صور أخرى ، قد تكون غير مكتملة.
التقط مشروع Curiosity AI حوالي نصف مليون صورة مميزة. على الرغم من أن تمييز 20000 صورة للمثابرة يعد أيضًا إنجازًا جيدًا لفريق المهمة ، فمن المحتمل أن يكون أعلى من ذلك بكثير.
صورة الغلاف: عملية تدريب الذكاء الاصطناعي لرائد فضاء مثابر
الائتمان: NASA / JPL-Caltech
مصدر: تقنية Extreame