p A administradora do cartão de crédito entra em contato com você perguntando se você comprou algo de um varejista que normalmente não frequenta ou gastou mais do que o normal. Um humano não identificou a transação atípica. Um computador - equipado com algoritmos avançados - identificou a compra potencialmente fraudulenta e acionou a investigação. p Pesquisadores do Goddard Space Flight Center da NASA em Greenbelt, Maryland, acho que cientistas e engenheiros poderiam se beneficiar da mesma tecnologia, muitas vezes referido como aprendizado de máquina ou redes neurais.

p Considerado um subconjunto da inteligência artificial, o aprendizado de máquina e as redes neurais estão, na verdade, na vanguarda. Em vez de programar um computador para realizar todas as tarefas necessárias, a filosofia por trás do aprendizado de máquina é equipar processadores de computador baseados no solo ou no espaço com algoritmos que, como humanos, aprender com os dados, encontrar e reconhecer padrões e tendências, mas mais rápido, mais precisamente, e sem preconceito.

p Aplicativos de amplo alcance

p "Os benefícios são muitos e as aplicações são abrangentes, "disse Goddard Senior Fellow e Assistant Chief for Technology Jacqueline Le Moigne, que trabalha com inteligência artificial desde seus dias de pós-graduação na França, há vários anos.

p "Os cientistas poderiam usar o aprendizado de máquina para analisar os petabytes de dados que a NASA já coletou ao longo dos anos, extraindo novos padrões e novas correlações e, eventualmente, levando a novas descobertas científicas, "disse ela." Também pode nos ajudar a monitorar a saúde de uma espaçonave, evitar e se recuperar de falhas catastróficas, e evitar colisões. Pode até ajudar engenheiros, fornecendo uma ampla gama de conhecimentos sobre as missões anteriores - informações de que precisariam para projetar novas missões. "

p Com financiamento de vários programas de pesquisa da NASA, incluindo o Earth Science Technology Office, ou ESTO, Os engenheiros e cientistas da Goddard estão pesquisando algumas dessas aplicações individualmente ou em parceria com a academia e a indústria privada. Seus projetos são variados, tudo, desde como o aprendizado de máquina pode ajudar a fazer previsões de safra em tempo real ou localizar incêndios florestais e inundações para identificar anomalias de instrumentos e até mesmo locais de pouso adequados para uma nave robótica.

p "As pessoas ouvem inteligência artificial e suas mentes vão instantaneamente para a ficção científica com máquinas assumindo o controle, mas, na verdade, é apenas mais uma ferramenta em nossa caixa de ferramentas de análise de dados e, definitivamente, uma que não devemos negligenciar por causa de noções preconcebidas, "disse James MacKinnon, um engenheiro de computação Goddard que está envolvido em vários projetos envolvendo inteligência artificial.

p Encontrando Incêndios

p Desde que ingressou no Goddard há alguns anos, MacKinnon emergiu como um dos campeões mais fervorosos da tecnologia. Um dos primeiros projetos que ele abordou envolveu o ensino de algoritmos como identificar incêndios florestais usando imagens de sensoriamento remoto coletadas pelo instrumento Espectrorradiômetro de Imagem de Resolução Moderada da espaçonave Terra. Sua rede neural detectou incêndios com precisão 99 por cento das vezes. Desde então, ele expandiu a pesquisa para incluir dados coletados pelo conjunto de radiômetros de imagens infravermelhas visíveis do Joint Polar Satellite System.

p Seu sonho é implantar uma constelação de CubeSats, todos equipados com algoritmos de aprendizado de máquina embutidos em sensores. Com tal capacidade, os sensores podem identificar incêndios florestais e enviar os dados de volta à Terra em tempo real, fornecer aos bombeiros e outras pessoas informações atualizadas que poderiam melhorar drasticamente os esforços de combate a incêndios. "A chave aqui é processar os dados a bordo, não apenas para incêndios florestais, mas para inundações. Há muitas coisas que você pode fazer com esse recurso, " ele disse.

p Ele também está desenvolvendo técnicas de aprendizado de máquina para identificar distúrbios de evento único em dispositivos eletrônicos espaciais, o que pode resultar em anomalias de dados, e compilar uma biblioteca de modelos de computador de aprendizado de máquina, ferramentas de geração de conjuntos de dados, e ajudas de visualização para tornar mais fácil para outras pessoas usarem técnicas de aprendizado de máquina para suas missões, ele disse.

p "Grande parte do meu tempo foi gasto convencendo os cientistas de que esses são métodos válidos para analisar as enormes quantidades de dados que geramos, " ele disse.

p Cortando o ruído

p O cientista Goddard Matt McGill não precisa ser convencido. Um especialista em técnicas lidar para medir nuvens e as minúsculas partículas que formam a névoa, pó, poluentes do ar e fumaça, McGill fez parceria com a Slingshot Aerospace. Esta empresa com sede na Califórnia está desenvolvendo plataformas que extraem dados de vários tipos de sensores e usam algoritmos de aprendizado de máquina para extrair informações.

p Sob o esforço financiado pela ESTO, McGill está fornecendo ao Slingshot os dados que ele reuniu com o Sistema de Transporte de Aerosol em Nuvem, ou CATS, instrumento, que se aposentou no ano passado, depois de passar 33 meses a bordo da Estação Espacial Internacional. Lá, CATS mediu a estrutura vertical de nuvens e aerossóis, que ocorrem naturalmente durante erupções vulcânicas e tempestades de poeira ou antropogenicamente por meio da queima de óleo, carvão, e madeira. Um algoritmo de aprendizado de máquina desenvolvido pelo Slingshot ingere esses dados para que possa aprender e, finalmente, começar a reconhecer padrões, tendências, e ocorrências que são difíceis de capturar com algoritmos de processamento padronizados.

p McGill está particularmente interessado em ver se as técnicas de aprendizado de máquina podem filtrar o ruído que é comum em medições LIDAR. Embora os humanos já selecionem o ruído dos dados, as técnicas atuais consomem tempo e podem levar dias para serem realizadas - o que é contrário ao objetivo de distribuir inteligência em tempo real. "A ideia é que algoritmos, uma vez treinado, pode reconhecer sinais em horas em vez de dias, "Disse McGill.

p Tão importante quanto, pelo menos para McGill, é a necessidade de miniaturizar sistemas lidar do tipo CATS. Embora CATS fosse aproximadamente do tamanho de uma geladeira, os sistemas futuros devem ser muito menores, capaz de voar em uma constelação de SmallSats para coletar simultaneamente, medições multiponto. Contudo, conforme os instrumentos ficam menores, os dados podem ser potencialmente mais ruidosos devido a aberturas de coleta menores, McGill explicou. "Precisamos ser mais inteligentes na forma como analisamos nossos dados e precisamos desenvolver a capacidade de gerar produtos de dados em tempo real verdadeiros."

p Dolphin Stranding

p Ficar mais inteligente na análise de dados também está motivando o heliofísico Antti Pulkkinen de Goddard e o engenheiro Ron Zellar.

p Alguns anos atrás, Pulkkinen começou a investigar se as tempestades solares estavam causando baleias saudáveis, golfinhos, e botos - conhecidos coletivamente como cetáceos - para encalhar ao longo das áreas costeiras em todo o mundo. Embora ele e sua equipe não tenham encontrado nenhuma correlação, eles encontraram uma ligação entre os eventos de encalhe em Cape Cod, Massachusetts, e força do vento.

p É possível que ventos fortes, que ocorrem durante os meses de inverno, quando os golfinhos são mais propensos a encalhar, agitar o fitoplâncton do oceano e outros nutrientes que alimentam os peixes? Os golfinhos estão simplesmente seguindo sua fonte de alimento? "Não podemos assumir uma relação causal, "disse Zellar, quem, quando não está trabalhando neste projeto, atua como engenheiro de sistemas de missão no Origins, Interpretação Espectral, Identificação de recursos, Security-Regolith Explorer, ou OSIRIS-REx, missão. "Isso é o que estamos tentando encontrar."

p Com financiamento do Goddard Fellows Innovation Challenge, um programa que financia o desenvolvimento de tecnologias potencialmente revolucionárias, a equipe está aplicando técnicas de aprendizado de máquina para se aprofundar nos dados ambientais para ver se eles podem provar uma causa.

p Cortando o cordão umbilical

p Em novembro, a missão OSIRIS-REx está programada para iniciar uma série de manobras complexas que levam a nave para mais perto do asteróide Bennu para que ela possa começar a caracterizar o corpo e capturar imagens que irão informar a melhor localização para coletar uma amostra e devolvê-la à Terra para análise . Isso exigirá milhares de imagens de alta resolução obtidas de diferentes ângulos e, em seguida, processadas manualmente por uma equipe de especialistas no local.

p Os cientistas querem simplificar e acelerar o tempo de processamento. No âmbito de um esforço de pesquisa financiado pela NASA envolvendo cientistas Goddard, Dante Lauretta, um professor da Universidade do Arizona e investigador principal do OSIRIS-REx, e Chris Adami, especialista em aprendizado de máquina na Michigan State University, uma equipe está investigando o potencial dos algoritmos em rede. O objetivo é ensinar os sensores a bordo a processar imagens e determinar a forma e os recursos de um asteróide - informações necessárias para navegar autonomamente dentro e ao redor de um asteróide e tomar decisões sobre onde adquirir amostras com segurança.

p "O objetivo é cortar o cordão umbilical computacional de volta à Terra, "disse Bill Cutlip, um gerente sênior de desenvolvimento de negócios e membro da equipe de Goddard. "O que estamos tentando fazer é treinar um algoritmo para entender o que ele está vendo, imitando como o cérebro humano processa as informações. "

p Tal capacidade não só beneficiaria futuras missões para asteróides, mas também aqueles para Marte e as luas geladas de Júpiter e Saturno, ele disse. Com os avanços em matrizes de portas programáveis ​​em campo ou circuitos que podem ser programados para executar uma tarefa específica e unidades de processamento gráfico, o potencial é impressionante, ele adicionou.