人工智能有助于对火星上的新陨石坑进行分类

新的机器学习算法，自动化的新撞击坑分类，是由研究人员在美国航空航天局喷气推进实验室（JPL）在加利福尼亚州创造的-和第一次代表人工智能已经被用来识别先前未知的火山口的红色星球，根据以从美国航空航天局的声明。

科学家已经为该算法提供了超过112,000张由Context相机在NASA火星侦察轨道器（MRO）上拍摄的图像。该程序旨在扫描照片，以查看火星表面特征的变化，这些变化表明出现了新的陨石坑。就算法的第一批发现而言，科学家认为这些陨石坑是由2010年3月至2012年5月之间的一次流星撞击形成的。

JPL计算机科学家Kiri Wagstaff在声明中说：“人工智能无法像科学家那样完成熟练的分析。” “但是像这种新算法这样的工具可以作为辅助工具。这为人类和AI'研究者'共同合作加速科学发现铺平了道路。”

MRO的情境相机可一次拍摄覆盖数百英里或几千米的低分辨率图像。虽然该仪器可以帮助在撞击附近找到爆炸痕迹，并缩小在地球表面寻找陨石坑的位置，但科学家们依靠MRO的高分辨率成像科学实验（HiRISE）仪器捕获更精细的细节并识别出单个陨石坑。

但是，仅使用轨道飞行器很难发现火星上的小表面特征。这个过程通常要求科学家每天花费大量时间研究航天飞机（如MRO）拍摄的图像。因此，根据该声明，陨石坑分类器算法应该可以节省研究人员的时间，并在“红色星球”上发现更多陨石坑。

JPL计算机科学家加里·多兰（Gary Doran）在声明中说：“如果不在多台计算机之间分配工作，就不可能在合理的时间内处理超过112,000张图像。” “策略是将问题分解成可以并行解决的小问题。”

NASA的研究人员使用上下文相机拍摄的6,830张图像对陨石坑分类器进行了编程。此过程包括人类先前已识别出影响的区域以及没有陨石坑的区域的照片，因此该工具可以学会正确地区分红色星球上的表面特征。

然后，研究人员通过向工具提供Context Camera拍摄的112,000张图像，对陨石坑分类器进行了测试。AI工具在火星上的一个区域Noctis Fossae中识别出了一系列的陨石坑，研究人员使用HiRISE仪器证实了这一点。该工具还发现了20个其他感兴趣的领域，科学家将对其进行更详细的研究以寻找陨石坑。

NASA希望在未来的火星轨道器上使用类似的分类技术，这将有助于缩小轨道影像的范围，以便科学家进一步调查，并提供有关流星袭击火星的频率的更完整图片。

JPL和布朗大学的科学家Ingrid Daubar在声明中说：“可能还有更多的影响，我们尚未发现。” “这项进展向您展示了使用现代分析技术可以对像MRO这样的资深任务执行多少任务。”