p Em algum momento entre março de 2010 e maio de 2012, um meteoro cruzou o céu marciano e se partiu em pedaços, batendo na superfície do planeta. As crateras resultantes eram relativamente pequenas - apenas 13 pés (4 metros) de diâmetro. Quanto menores os recursos, mais difíceis de localizar usando os orbitadores de Marte. Mas, neste caso - e pela primeira vez - os cientistas os identificaram com uma pequena ajuda extra:inteligência artificial (IA). p É um marco para cientistas planetários e pesquisadores de IA no Laboratório de Propulsão a Jato da NASA no sul da Califórnia, que trabalharam juntos para desenvolver a ferramenta de aprendizado de máquina que ajudou a fazer a descoberta. A conquista oferece esperança para economizar tempo e aumentar o volume de descobertas.

p Tipicamente, cientistas passam horas por dia estudando imagens capturadas pelo Mars Reconnaissance Orbiter (MRO) da NASA, procurando fenômenos de superfície em mudança, como redemoinhos de poeira, avalanches, e dunas móveis. Nos 14 anos do orbitador em Marte, cientistas confiaram em dados de MRO para encontrar mais de 1, 000 novas crateras. Eles geralmente são detectados pela primeira vez com a Câmera de Contexto da espaçonave, que obtém imagens de baixa resolução cobrindo centenas de quilômetros de uma vez.

p Apenas as marcas de explosão em torno de um impacto irão se destacar nessas imagens, não as crateras individuais, então, a próxima etapa é examinar mais de perto o experimento científico de imagens de alta resolução, ou HiRISE. O instrumento é tão poderoso que pode ver detalhes tão precisos quanto os rastros deixados pelo rover Curiosity Mars. (A equipe HiRISE permite que qualquer pessoa, incluindo membros do público, para solicitar imagens específicas por meio de sua página HiWish.)

p O processo requer paciência, levando cerca de 40 minutos para um pesquisador escanear cuidadosamente uma única imagem da Câmera de Contexto. Para economizar tempo, Os pesquisadores do JPL criaram uma ferramenta - chamada de classificador de crateras de impacto automatizado - como parte de um esforço mais amplo do JPL denominado COSMIC (Capturing Onboard Summarization to Monitor Image Change) que desenvolve tecnologias para futuras gerações de orbitadores de Marte.

p Aprendendo a paisagem

p Para treinar o classificador de cratera, pesquisadores o alimentaram com 6, 830 imagens de câmera de contexto, incluindo aqueles de locais com impactos previamente descobertos que já foram confirmados por HiRISE. A ferramenta também foi alimentada com imagens sem novos impactos, a fim de mostrar ao classificador o que não procurar.

p Uma vez treinado, o classificador foi implantado em todo o repositório da Context Camera de cerca de 112, 000 imagens. Executando em um cluster de supercomputador no JPL composto por dezenas de computadores de alto desempenho que podem operar em conjunto, um processo que leva 40 minutos para um ser humano leva a ferramenta de IA em média apenas cinco segundos.

p Um desafio foi descobrir como executar até 750 cópias do classificador em todo o cluster simultaneamente, disse o cientista da computação do JPL Gary Doran. “Não seria possível processar mais de 112, 000 imagens em um período de tempo razoável, sem distribuir o trabalho por muitos computadores, "Doran disse." A estratégia é dividir o problema em partes menores que podem ser resolvidas em paralelo. "

p Mas apesar de todo esse poder de computação, o classificador ainda requer um humano para verificar seu trabalho.

p "A IA não pode fazer o tipo de análise habilidosa que um cientista pode, "disse o cientista da computação do JPL, Kiri Wagstaff." Mas ferramentas como esse novo algoritmo podem ser seus assistentes. Isso abre caminho para uma empolgante simbiose de humanos e 'investigadores' de IA trabalhando juntos para acelerar a descoberta científica. "

p Em 26 de agosto, 2020, HiRISE confirmou que uma mancha escura detectada pelo classificador em uma região chamada Noctis Fossae era na verdade o aglomerado de crateras. A equipe já enviou mais de 20 candidatos adicionais para a HiRISE verificar.

p Enquanto este classificador de cratera roda em computadores ligados à Terra, o objetivo final é desenvolver classificadores semelhantes feitos sob medida para uso a bordo por futuros orbitadores de Marte. Agora mesmo, os dados enviados de volta à Terra exigem que os cientistas investiguem para encontrar imagens interessantes, muito parecido com tentar encontrar uma agulha em um palheiro, disse Michael Munje, um estudante de pós-graduação da Georgia Tech que trabalhou no classificador como estagiário no JPL.

p "A esperança é que no futuro, A IA poderia priorizar imagens orbitais nas quais os cientistas estão mais propensos a se interessar, "Munje disse.

p Ingrid Daubar, um cientista com nomeações no JPL e na Brown University que também esteve envolvido no trabalho, está esperançoso de que a nova ferramenta possa oferecer uma imagem mais completa da frequência com que os meteoros atingem Marte e também revelar pequenos impactos em áreas onde não foram descobertos antes. Quanto mais crateras forem encontradas, quanto mais cientistas acrescentam ao corpo de conhecimento do tamanho, forma, e frequência de impactos de meteoros em Marte.

p "Provavelmente existem muitos outros impactos que ainda não encontramos, "ela disse." Este avanço mostra o quanto você pode fazer com missões veteranas como MRO usando técnicas de análise modernas. "