NASA va utiliza învățarea automată pentru a îmbunătăți căutarea vieții extraterestre pe Marte

Cercetătorii de la NASA au lucrat din greu la un sistem pilot de inteligență artificială menit să ajute misiunile viitoare de explorare să găsească dovezi ale vieții pe alte planete din sistemul nostru solar. Algoritmii de învățare automată vor ajuta dispozitivele de explorare să analizeze probele de sol de pe Marte și să returneze cele mai relevante date către NASA. Programul pilot este în prezent programat pentru a fi testat în timpul misunii ExoMars care urmează să fie lansată în mijlocul anului 2022.

După cum raportează IEEE Spectrum, decizia de a utiliza învățarea automată și inteligența artificială pentru a ajuta căutarea vieții pe alte planete a fost determinată în mare măsură de Erice Lyness, șeful Laboratorului de medii planetare Goddard de la NASA. Lyness a trebuit să găsească modalități de a automatiza anumite aspecte ale analizei geochimice a probelor prelevate din alte părți ale sistemului nostru solar. Lyness a decis că învățarea automată poate ajuta la automatizarea multor sarcinilor pe care navele de explorare, cum ar fi roverele Marte, trebuie să le efectueze, inclusiv colectarea și analiza probelor de sol marțian.

Roverul ExoMars Roslanind Franklin va fi capabil să foreze cel puțin doi metri adânc în solul marțian. La această adâncime, orice microorganisme care trăiesc acolo nu vor fi ucise de lumina UV a soarelui. Acest lucru face posibil ca roverul să găsească bacterii vii. Chiar dacă nu se găsesc probe de bacterii vii, este posibil ca sonda să găsească dovezi fosilizate ale vieții pe Marte, păstrate din epoci anterioare, când planeta era mai ospitalieră pentru viață. Probele pe care le găsește sonda vor fi date unui instrument numit spectrometru de masă pentru analiză.

Spectrometrul de masă are scopul de a studia distribuția masei în ioni găsiți într-o probă dată. Acest lucru se realizează prin utilizarea unui laser pe proba de sol, care eliberează molecule din proba de sol, și apoi se calculează masa atomică din moleculele diferite. Acest proces produce un spectru de masă, pe care cercetătorii îl vor analiza pentru a determina de ce se produc modelele de vârfuri pe care le vedem în spectru. Există o problemă cu spectrele generate de spectrometrul de masă, însă. Diferiți compuși produc o varietate largă de spectre diferite. Este o puzzle pentru a analiza un spectru de masă și a determina ce compuși se află în probă, dar algoritmii de învățare automată ar putea ajuta.

Cercetătorii studiază un mineral numit montmorillonit. Montmorillonitul este comun în solul marțian, iar cercetătorii își propun să înțeleagă cum mineralul ar putea să se manifeste într-un spectru de masă. Echipa de cercetători include probe de montmorillonit pentru a vedea cum se schimbă ieșirea spectrometrului de masă, oferindu-le indicii despre cum arată mineralul într-un spectru de masă. Algoritmii de inteligență artificială vor ajuta cercetătorii să extragă modele semnificative din spectrometrul de masă.

După cum a fost citat Lyness de IEEE Spectrum:

“Ar putea dura mult timp pentru a descompune cu adevărat un spectru și a înțelege de ce vezi vârfuri la anumite [mase] în spectru. Așadar, orice poți face pentru a direcționa oamenii de știință într-o direcție care spune: ‘Nu vă faceți griji, știu că nu este acest tip de lucru sau acela’, ei pot identifica mai rapid ce se află acolo.”

Conform lui Lyness, misiunea ExoMars va fi un caz de test excelent pentru algoritmii de inteligență artificială proiectați pentru a ajuta la interpretarea spectrelor de masă generate de probe.

Există alte aplicații potențiale pentru inteligența artificială și învățarea automată în domeniul astrobiologiei. Dronele Dragonfly și, posibil, o altă misiune viitoare, vor opera la distanțe mai mari de Pământ și în medii mai dure și vor necesita automatizarea anumitor aspecte ale navigației și transmisiei de date.