През изминалата пролет светът стана свидетел на рядък момент на споделена радост и възхищение, когато мисията на НАСА „Артемида II“ (Artemis II) – първият пилотиран полет до Луната от 1972 г. насам – осъществи историческото си прелитане около естествения спътник на Земята. На 6 април астронавтите Рийд Уайзман, Кристина Кох, Виктор Глоувър и Джеръми Хансен се отдалечиха от Земята повече от всеки друг човек преди тях. Сега, докато НАСА се подготвя за следващата мисия от програмата „Артемида“ и за бъдещи начинания, космическата агенция си сътрудничи с IBM, за да предостави на учените нови инструменти за изследване на Луната.

Двете организации представиха „Лунен базов модел“ (Lunar Foundation Model), разработен съвместно от НАСА и IBM. Това е система с изкуствен интелект с отворен код, достъпна за изтегляне от платформата Hugging Face. Като „базов модел“ (foundation model), тя притежава разнообразни възможности, обяснява д-р Хуан Бернабе-Морено, директор на IBM Research за Европа, Обединеното кралство и Ирландия. На първо място, НАСА и IBM установиха, че моделът се справя особено добре с идентифицирането на зони по лунната повърхност, където е възможно да има лед.

Двете организации проведоха тест, при който сравниха прогнозите на модела с карта, създадена чрез утвърден научен метод, включващ данни за релефа, топлинните характеристики и други параметри на околната среда. След това те съпоставиха модела със SwinV2-B – система за компютърно зрение, разработена от Microsoft за обработка на изображения с висока разделителна способност. Моделът на НАСА и IBM намали грешките с 23 процента. Сравнението със SwinV2-B беше направено, тъй като този инструмент често служи като еталон (базова линия) при много задачи за анализ на изображения.

NASA и IBM също така оцениха ефективността на своя модел при идентифицирането и класифицирането на кратери. В това отношение новият модел превъзхождаше SwinV2-B с 19%, като същевременно използваше наполовина по-малко данни за обучение. NASA и IBM имаха възможност да проверят способностите на модела наскоро, когато ракета Falcon 9 на SpaceX се разби в Луната на 5 август. Когато от IBM подадоха на модела изображение на мястото на удара, той правилно разпозна мястото на сблъсъка като нов кратер, въпреки че той се застъпваше значително със съществуващ такъв. „Справи се фантастично“, казва Бернабе-Морено, отбелязвайки, че моделът е извършил идентификацията точно още от първия опит.

Ученият споделя, че обучението на модела е било предизвикателство. „При наблюдението на Земята разполагаме с изображения с отлично качество“, обяснява той. Атмосферата на нашата планета разсейва слънчевата светлина, изпълвайки сенките с разсеяна светлина, която смекчава контурите им. За разлика от това, сенките на Луната имат резки, отчетливи граници и са напълно черни; това означава, че когато бъдат заснети, пикселите в зоната на сянката не носят никаква информация. „На Луната Слънцето се намира в различни позиции през деня, осветява повърхността и създава резки сенки, с които трябва да се съобразим“, казва той. В резултат на това един кратер може да изглежда по един начин на дадено изображение и съвсем различно на следващото.

Друго предизвикателство произтича от начина, по който обикновено се обучават и тестват моделите за компютърно зрение. Най-често този процес включва премахване на части от изображението, след което моделът трябва да възстанови липсващите елементи въз основа на моделите, усвоени по време на обучението. „Можете да премахнете 90% от кратера и да накарате модела да възстанови останалите 90% въз основа на наличните 10%“, обяснява Бернабе-Морено. Този подход обаче не работи за Луната. Както може да се предположи, причината е, че много от кратерите си приличат изключително много, когато се наблюдават от орбита.

Всъщност опитите на IBM да обучат модела по традиционния начин са били „пълен провал“, казва Бернабе-Морено, но изследователският екип в крайна сметка намира креативно решение. „Разделихме Луната на сектори, подобно на резени портокал, и напълно отделихме секторите за обучение от тези за тестване. По този начин успяхме да осигурим висока степен на последователност за модела“, обяснява той.

Една от причините NASA и IBM да са ентусиазирани от този проект е, че той включва първия по рода си набор от данни с отворен код, който други изследователи могат да използват за създаване на бъдещи модели. Той обединява десетки хиляди изображения и данни от инструменти, събрани от мисиите на NASA Lunar Reconnaissance Orbiter (LRO) и Gravity Recovery and Interior Laboratory (GRAIL), както и от японската мисия Selenological and Engineering Explorer (SELENE).

Снимка: Unsplash/IBM

Виж още: Този 246TB SSD диск с място за 2300 4К филма е сбъднат сън за киноманите с най-дълбок джоб