Vous pouvez aider à apprendre aux rovers de la NASA à explorer Mars avec le projet AI4Mars
L'intelligence artificielle pourrait être d'une grande aide pour les rovers martiens comme Curiosity ou Perseverance de la NASA, mais d'abord, ces systèmes d'IA doivent être formés sur ce qu'il faut rechercher. Un projet de la NASA invite les membres du public à aider à identifier les caractéristiques du paysage martien, afin de former un algorithme que les futurs rovers pourraient utiliser pour naviguer autour de la planète rouge.
Le projet AI4Mars a été lancé l'année dernière et les utilisateurs ont déjà étiqueté près d'un demi-million d'images pour aider à développer l'algorithme de classification des propriétés et des objets du sol (SPOC). Cet algorithme identifie les caractéristiques du paysage comme le sable et la roche, et le fait correctement près de 98 % du temps. À l'avenir, cet algorithme pourrait être intégré aux capacités de conduite autonome des rovers martiens comme la technologie AutoNav utilisée par Perseverance.
Désormais, les chercheurs souhaitent étendre SPOC pour obtenir des informations plus détaillées sur les formations rocheuses telles que la présence de roches flottantes ou de nodules. En classant automatiquement les types de roches imagées par les rovers, les chercheurs peuvent renvoyer plus rapidement les instructions de conduite aux rovers.
"Il n'est pas possible pour un seul scientifique de regarder toutes les images en liaison descendante avec un examen minutieux en si peu de temps, chaque jour", a expliqué Vivian Sun, une scientifique du JPL qui aide à coordonner les opérations quotidiennes de Persévérance et a été consultée sur le projet AI4Mars. "Cela nous ferait gagner du temps s'il y avait un algorithme qui pourrait dire:" Je pense que j'ai vu des veines ou des nodules de roche ici ", et ensuite l'équipe scientifique pourra examiner ces zones avec plus de détails."
Pour aider à développer cet algorithme, la NASA invite les membres du public à se rendre sur la page AI4Mars sur Zooniverse et à regarder des images de la surface martienne capturées par le rover Curiosity. On leur demande de dessiner des polygones autour de caractéristiques particulières comme le sable, le sol, le substrat rocheux et les gros rochers. Les résultats de milliers de classifications faites par le public sont ensuite rassemblés et vérifiés par des scientifiques pour s'assurer que l'étiquetage est exact.
Au fil du temps, à mesure que de plus en plus de données individuelles sont étiquetées, l'algorithme peut apprendre à distinguer les caractéristiques par lui-même.
"L'apprentissage automatique est très différent des logiciels normaux", a déclaré Hiro Ono, chercheur principal du projet AI4Mars. « Ce n'est pas comme faire quelque chose à partir de zéro. Pensez-y comme à partir d'un nouveau cerveau. Le plus gros des efforts ici consiste à obtenir un bon ensemble de données pour enseigner à ce cerveau et à masser les données afin qu'elles soient mieux apprises. »