NASA va folosi Machine Learning pentru a îmbunătăți căutarea vieții extraterestre pe Marte

Cercetătorii de la NASA au lucrat din greu la un sistem pilot AI menit să ajute viitoarele misiuni 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 mostre de sol de pe Marte și să returneze cele mai relevante date către NASA. Programul pilot este în prezent programat pentru un test de rulare în timpul misiunea ExoMars care se va lansa la mijlocul anului 2022.

După cum raportează IEEE Spectrum, decizia de a folosi învățarea automată și inteligența artificială pentru a ajuta la căutarea vieții pe alte planete a fost condusă în mare măsură de Erice Lyness, șefa departamentului. Laboratorul de Medii Planetare Goddard la NASA. Lyness trebuia să găsească modalități de automatizare a aspectelor analizelor geochimice ale probelor prelevate în alte părți ale sistemului nostru solar. Lyness a decis că învățarea automată ar putea ajuta la automatizarea multor sarcini pe care ambarcațiunile de explorare precum roverele de pe Marte trebuie să le îndeplinească, inclusiv colectarea și analiza mostrelor de sol marțian.

Roverul ExoMars Roslanind Franklin va fi capabil să foreze cel puțin doi metri adâncime în solul marțian. La această adâncime, niciun microbi care trăiește acolo nu va fi ucis de lumina UV a soarelui. Acest lucru face posibil ca roverul să găsească bacterii vii. Chiar dacă nu se găsesc mostre de bacterii vii, este posibil ca forajul să găsească dovezi fosilizate ale vieții pe Marte, păstrate din epocile anterioare, când planeta era mai primitoare pentru viață. Probele pe care le găsește burghiul roverului vor fi date unui instrument numit spectrometru de masă în scopul analizei.

Scopul spectrometrului de masă este de a studia distribuția masei în ionii 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 calculând masa atomică din diferite molecule. Acest proces produce un spectru de masă, pe care cercetătorii îl vor analiza pentru a discerne de ce ar putea apărea modelele de vârfuri pe care le văd în spectru. Există totuși o problemă cu spectrurile generate de spectrometrul de masă. Diferiți compuși produc o mare varietate de spectre diferite. Este un puzzle să analizezi un spectru de masă și să determine ce compuși sunt în eșantion, dar algoritmii de învățare automată ar putea fi de ajutor.

Cercetătorii studiază un mineral numit montmorillonit. Montmorillonitul se găsește în mod obișnuit în solul marțian, iar cercetătorii urmăresc să înțeleagă cum se poate manifesta mineralul într-un spectru de masă. Echipa de cercetători include mostre de montmorillonit pentru a vedea cum se modifică acea ieșire a spectrometrului de masă, oferindu-le indicii despre cum arată mineralul într-un spectru de masă. Algoritmii AI îi vor ajuta pe cercetători să extragă modele semnificative din spectrometrul de masă.

După cum Lyness a fost citat de IEEE Spectrum:

„Ar putea dura mult timp pentru a descompune cu adevărat un spectru și a înțelege de ce vedeți vârfuri la anumite [mase] din spectru. Deci, orice puteți face pentru a îndrepta oamenii de știință într-o direcție care spune: „Nu vă faceți griji, știu că nu este genul ăsta sau genul ăsta”, ei pot identifica mai rapid ce este acolo.”

Potrivit lui Lyness, misiunea ExoMars va fi un caz de testare excelent pentru algoritmii de inteligență artificială proiectați pentru a ajuta la interpretarea spectrurilor de masă generate de mostre.

Există și alte aplicații potențiale pentru AI și învățarea automată în domeniul astrobiologiei. Drona Dragonflyși, eventual, o altă misiune viitoare, va funcționa mai departe de Pământ și în medii mai dure și va necesita automatizarea aspectelor legate de navigație și transmiterea datelor.