Tra marzo 2010 e maggio 2012, una meteora sfrecciò nel cielo marziano e si ruppe in pezzi, sbattendo contro la superficie del pianeta. I crateri risultanti erano relativamente piccoli, solo 13 piedi (4 metri) di diametro. Più piccole sono le caratteristiche, più sono difficili da individuare usando gli orbiter di Marte. Ma in questo caso, e per la prima volta, gli scienziati li hanno individuati con un piccolo aiuto in più:l'intelligenza artificiale (AI).

È una pietra miliare per gli scienziati planetari e i ricercatori di intelligenza artificiale presso il Jet Propulsion Laboratory della NASA nel sud della California, che hanno lavorato insieme per sviluppare lo strumento di apprendimento automatico che ha contribuito a fare la scoperta. Il risultato offre speranza sia di risparmiare tempo che di aumentare il volume dei risultati.

Tipicamente, gli scienziati trascorrono ore ogni giorno a studiare le immagini catturate dal Mars Reconnaissance Orbiter (MRO) della NASA, alla ricerca di fenomeni superficiali mutevoli come i diavoli di polvere, valanghe, e dune mobili. Nei 14 anni dell'orbiter su Marte, gli scienziati hanno fatto affidamento sui dati MRO per trovare oltre 1, 000 nuovi crateri. Di solito vengono rilevati per la prima volta con la telecamera contestuale della navicella, che acquisisce immagini a bassa risoluzione che coprono centinaia di miglia alla volta.

Solo i segni dell'esplosione intorno a un impatto risaltano in queste immagini, non i singoli crateri, quindi il prossimo passo è dare un'occhiata più da vicino con l'esperimento scientifico di imaging ad alta risoluzione, o HiRISE. Lo strumento è così potente che può vedere dettagli fini come le tracce lasciate dal rover Curiosity su Marte. (Il team di HiRISE consente a chiunque, compresi i membri del pubblico, per richiedere immagini specifiche attraverso la sua pagina HiWish.)

Il processo richiede pazienza, richiedendo circa 40 minuti per un ricercatore per scansionare con attenzione una singola immagine della telecamera contestuale. Risparmiare tempo, I ricercatori del JPL hanno creato uno strumento, chiamato classificatore automatico di crateri da impatto fresco, come parte di un più ampio sforzo del JPL denominato COSMIC (Capturing Onboard Summarization to Monitor Image Change) che sviluppa tecnologie per le future generazioni di orbiter su Marte.

Imparare il paesaggio

Per addestrare il classificatore di crateri, i ricercatori lo hanno alimentato 6, 830 immagini della fotocamera contestuale, compresi quelli di località con impatti precedentemente scoperti che erano già stati confermati tramite HiRISE. Lo strumento è stato anche alimentato con immagini senza nuovi impatti per mostrare al classificatore cosa non cercare.

Una volta addestrato, il classificatore è stato distribuito sull'intero repository della Context Camera di circa 112, 000 immagini. In esecuzione su un cluster di supercomputer al JPL composto da dozzine di computer ad alte prestazioni che possono operare di concerto tra loro, un processo che richiede a un essere umano 40 minuti richiede allo strumento di intelligenza artificiale una media di soli cinque secondi.

Una delle difficoltà è stata capire come eseguire fino a 750 copie del classificatore in tutto il cluster contemporaneamente, ha detto l'informatico del JPL Gary Doran. "Non sarebbe possibile elaborare oltre 112, 000 immagini in un ragionevole lasso di tempo senza distribuire il lavoro su molti computer, " Ha detto Doran. "La strategia è quella di dividere il problema in pezzi più piccoli che possono essere risolti in parallelo".

Ma nonostante tutta quella potenza di calcolo, il classificatore richiede ancora che un essere umano controlli il suo lavoro.

"L'intelligenza artificiale non può fare il tipo di analisi qualificata che può fare uno scienziato, " ha detto l'informatico del JPL Kiri Wagstaff. "Ma strumenti come questo nuovo algoritmo possono essere i loro assistenti. Questo apre la strada a un'entusiasmante simbiosi di "investigatori" umani e di intelligenza artificiale che lavorano insieme per accelerare la scoperta scientifica".

Il 26 agosto 2020, HiRISE ha confermato che una macchia scura rilevata dal classificatore in una regione chiamata Noctis Fossae era in realtà l'ammasso di crateri. Il team ha già presentato più di 20 candidati aggiuntivi per HiRISE da verificare.

Mentre questo classificatore di crateri funziona su computer terrestri, l'obiettivo finale è sviluppare classificatori simili su misura per l'uso a bordo da parte dei futuri orbiter marziani. Proprio adesso, i dati inviati sulla Terra richiedono che gli scienziati li esaminino per trovare immagini interessanti, proprio come cercare di trovare un ago in un pagliaio, ha detto Michael Munje, uno studente laureato in Georgia Tech che ha lavorato al classificatore come stagista al JPL.

"La speranza è che in futuro, L'intelligenza artificiale potrebbe dare la priorità alle immagini orbitali a cui è più probabile che gli scienziati siano interessati, " ha detto Munje.

Ingrid Daubar, uno scienziato con incarichi al JPL e alla Brown University, anch'egli coinvolto nel lavoro, spera che il nuovo strumento possa offrire un quadro più completo della frequenza con cui le meteore colpiscono Marte e rivelano anche piccoli impatti in aree in cui non sono stati scoperti prima. Più crateri si trovano, più scienziati aggiungono al corpo di conoscenze delle dimensioni, forma, e la frequenza degli impatti di meteoriti su Marte.

"Probabilmente ci sono molti altri impatti che non abbiamo ancora trovato, " ha detto. "Questo progresso ti mostra quanto puoi fare con missioni veterane come MRO utilizzando moderne tecniche di analisi".