ในปัจจุบันประชาชนทั่วไป สามารถช่วยสอนอัลกอริทึมปัญญาประดิษฐ์ ให้จดจำลักษณะทางวิทยาศาสตร์ในภาพที่ถ่ายโดยยานสำรวจ Perseverance ของ NASA ได้ ปัญญาประดิษฐ์หรือ AI มีศักยภาพมหาศาลในการเปลี่ยนแปลงวิธีที่ยานอวกาศของ NASA ศึกษาจักรวาล แต่เนื่องจากอัลกอริทึมแมชชีนเลิรนนิ่งทั้งหมดต้องการการฝึกสอนจากมนุษย์ จึงขอให้สาธารณชนระบุคุณลักษณะที่มีความน่าสนใจทางวิทยาศาสตร์เกี่ยวกับภาพที่ถ่ายโดยยานสำรวจ Perseverance Mars ของ NASA เรียกว่า AI4Mars โครงการนี้เป็นโครงการต่อเนื่องของโครงการที่เปิดตัวเมื่อปีที่แล้วซึ่งอาศัยภาพจากยานสำรวจ Curiosity ของ NASA ผู้เข้าร่วมโครงการในระยะก่อนหน้านั้นติดป้ายกำกับภาพเกือบครึ่งล้านภาพ โดยใช้เครื่องมือในการร่างคุณลักษณะต่างๆ เช่น ทรายและหินที่ขับสำรวจผู้ขับขี่ที่ห้องปฏิบัติการ Jet Propulsion ของ NASA โดยปกติแล้วจะระมัดระวังในการวางแผนเส้นทางบนดาวเคราะห์แดง ผลลัพธ์ที่ได้คืออัลกอริทึมที่เรียกว่า SPOC ( Soil Property and Object Classification ) ซึ่งสามารถระบุคุณลักษณะเหล่านี้ได้อย่างถูกต้องเกือบร้อยละ ๙๘ ของเวลาทั้งหมด SPOC ยังอยู่ในระหว่างการพัฒนา และนักวิจัยหวังว่าสักวันหนึ่งมันจะสามารถส่งไปยังดาวอังคารบนยานอวกาศในอนาคตที่สามารถทำงานได้อย่างอิสระมากกว่าเทคโนโลยี AutoNav ของ Perseverance
ภาพจาก Perseverance จะปรับปรุง SPOC ให้ดียิ่งขึ้นด้วยการขยายประเภทของฉลากระบุที่สามารถนำไปใช้กับคุณลักษณะบนพื้นผิวดาวอังคารได้ ขณะนี้ AI4Mars ได้จัดทำฉลากเพื่อระบุรายละเอียดที่ละเอียดยิ่งขึ้น ทำให้ผู้คนสามารถเลือกทางเลือกต่างๆ เช่น หินลอย (“เกาะ” ของหิน) หรือก้อน (ลูกบอลขนาด BB ที่มักก่อตัวขึ้นจากน้ำ ของแร่ธาตุที่เชื่อมเข้าด้วยกัน)
เป้าหมาย คือเพื่อขัดเกลาอัลกอริทึม ให้สามารถช่วยยานสำรวจดาวอังคาร วิเคราะห์ จำแนกข้อมูลมหาศาลที่ส่งมาจากดาวอังคาร ด้วยกล้อง ๑๙ ตัวจากยานสำรวจ Perseverance โดยจะส่งภาพถ่ายจากหลายสิบถึงหลายร้อยภาพไปยังโลกในแต่ละวัน เพื่อให้นักวิทยาศาสตร์และวิศวกรได้ค้นหาลักษณะทางธรณีวิทยาที่เฉพาะเจาะจงแต่เวลามีจำกัด หลังจากที่ภาพเหล่านั้นเดินทางหลายล้านไมล์จากดาวอังคารมายังโลกจากนั้นสมาชิกในทีม จะมีเวลาไม่กี่ชั่วโมงในการพัฒนาชุดคำสั่งต่อไป ตามสิ่งที่พวกเขาเห็นในภาพเหล่านั้นแล้วส่งคำสั่งกลับไปยังดาวอังคาร
Vivian Sun นักวิทยาศาสตร์ JPL ผู้ช่วยประสานงานการปฏิบัติงานประจำวันของ Perseverance และปรึกษาเกี่ยวกับโครงการ AI4Mars กล่าวว่า เป็นไปไม่ได้ที่นักวิทยาศาสตร์คนใดจะดูภาพดาวน์ลิงก์ทั้งหมดด้วยการตรวจสอบอย่างละเอียดถี่ถ้วนในระยะเวลาอันสั้นทุกวัน มันจะช่วยประหยัดเวลาเราได้มาก ถ้ามีอัลกอริทึมที่สามารถพูดได้ว่า ฉันคิดว่าฉันเห็นเส้นหินหรือก้อนเนื้อที่นี่ จากนั้นทีมวิทยาศาสตร์ก็จะสามารถดูพื้นที่เหล่านั้นด้วยรายละเอียดเพิ่มเติมได้ โดยเฉพาะอย่างยิ่งในระหว่างขั้นตอนการพัฒนานี้ SPOC ต้องการการตรวจสอบจำนวนมากจากนักวิทยาศาสตร์เพื่อให้แน่ใจว่ามีการติดฉลากอย่างถูกต้อง แต่ถึงแม้จะปรับปรุงแล้ว อัลกอริทึมก็ไม่ได้มีจุดประสงค์เพื่อแทนที่การวิเคราะห์ที่ซับซ้อนมากขึ้น โดยนักวิทยาศาสตร์ในมนุษย์
กุญแจสู่อัลกอริทึมที่ประสบความสำเร็จคือ ชุดข้อมูลที่ดี Hiro Ono นักวิจัย JPL AI ซึ่งเป็นผู้นำการพัฒนา AI4Mars กล่าว ยิ่งมีข้อมูลแต่ละส่วนมากเท่าใด อัลกอริทึมก็จะยิ่งเรียนรู้มากขึ้นเท่านั้น
แมชชีนเลิร์นนิงแตกต่างจากซอฟต์แวร์ทั่วไปมาก โอโนะกล่าว นี้ไม่เหมือนกับการเริ่มต้นจากศูนย์ คิดว่ามันเป็นการเริ่มต้นกับสมองใหม่ ความพยายามมากขึ้นในที่นี้ คือการรับชุดข้อมูลที่ดีในการสอนสมองและกลั่นกรองข้อมูลเพื่อให้เรียนรู้ได้ดีขึ้น นักวิจัย AI สามารถฝึกอัลกอริทึมที่ผูกกับโลกด้วยภาพบ้าน ดอกไม้หรือลูกแมวหลายหมื่นภาพ แต่ไม่มีที่เก็บข้อมูลดังกล่าวสำหรับพื้นผิวดาวอังคาร ก่อนโครงการ AI4Mars ทีมงานจะมีเนื้อหาที่มีรูปภาพประมาณ ๒๐,๐๐๐ ภาพ โดยแต่ละภาพมีคุณลักษณะต่างๆ ที่ติดป้ายกำกับไว้
ที่มา https://www.jpl.nasa.gov/news/you-can-help-train-nasas-rovers-to-better-explore-mars
แปลและเรียบเรียงโดย เรืออากาศเอกยุทธนา สุพรรณกลาง
