NASA мен IBM Ай бетінің миллиондаған суреттері мен карталарында оқытылған ашық жасанды интеллект моделін ұсынды. Ол мұздың ықтимал орналасқан жерлерін іздеуге, кратерлерді тануға және ежелгі жанартау белсенділігінің іздерін табуға қабілетті.
Жаңа әзірлеме жинақталған ғарыштық деректерді өңдеуді жеделдетуге және ғалымдарға болашақ миссияларды дайындауда көмектесуге тиіс. Бұл ретте AI спутниктерді, геологтарды немесе Айды тікелей зерттеуді алмастырмайды: ол кейін басқа әдістермен тексерілуі қажет болашағы зор учаскелерді анықтайды.
AI Айдың миллиондаған кескіндерінде оқытылды
Жаңа әзірлеме NASA–IBM Lunar Foundation Model атауын алды. Бұл Жердің табиғи серігін зерттеу үшін арнайы жасалған алғашқы ашық іргелі модельдердің бірі.
Оқытудың негізі ретінде Lunar Reconnaissance Orbiter — 2009 жылдан бері Ай орбитасында жұмыс істеп келе жатқан NASA-ның автоматты планетааралық станциясының деректері алынды. Осы уақыт ішінде аппарат Ай бетін толығымен дерлік түсіріп алып, агенттіктің барлық планеталық миссиялары арасындағы ең үлкен ақпарат массивтерінің бірін қалыптастырды.
NASA хабарлағандай, модель кескіндердің шамамен екі миллион фрагментінде оқытылды:
- шамамен бір метрлік ажыратымдылығы бар бір миллионнан астам жер беті суреттері;
- шамамен 100 метрлік ажыратымдылығы бар 964 мыңға жуық мультиспектрлік кескіндер;
- рельефтің қосымша карталары және басқа да ғарыштық миссиялардың деректері.
Lunar Reconnaissance Orbiter-ден бөлек, американдық GRAIL және Lunar Prospector аппараттарының, сондай-ақ Kaguya ретінде белгілі жапондық SELENE станциясының ақпараты пайдаланылды.
Зерттеушілер әртүрлі камералар мен аспаптардан алынған мәліметтерді бірыңғай жүйеге біріктірді. Қорытынды жиынтық төрт ғарыштық миссия шеңберінде жұмыс істеген тоғыз құралдың 30-дан астам үйлестірілген деректер қабатын қамтиды.
Іргелі модель қарапайым алгоритмнен несімен ерекшеленеді
Бұрын әрбір ғылыми тапсырма үшін жеке алгоритм жасау талап етілетін. Бір жүйе кратерлерді таныды, екіншісі топырақ құрамын талдады, ал үшіншісі жанартау белсенділігінің белгілерін іздеді.
Іргелі модель алдымен Ай беті туралы жалпы түсінік қалыптастыру үшін үлкен ақпарат массивінде оқытылады. Осыдан кейін оны салыстырмалы түрде аз көлемдегі таңбаланған деректердің көмегімен әртүрлі тапсырмаларға бейімдеуге болады.
Үлкен тілдік модельдер де шамамен осындай қағидат бойынша жұмыс істейді: олар алдымен мәтіндердің орасан зор көлемін зерттейді, содан кейін бағдарламалау, құжаттарды талдау немесе пайдаланушылармен қарым-қатынас жасау үшін бапталады. Тек NASA мен IBM жүйесі адам мәтіндерінің орнына спутниктік түсірілімдерді, жер бедерінің карталарын және Айдың геофизикалық көрсеткіштерін зерделеді.
Мұндай тәсіл уақыт пен есептеу шығындарын азайтады. Ғалымдарға әр уақытта жаңа нейрожеліні нөлден бастап үйретудің қажеті жоқ — олар дайын негізді алып, оны нақты зерттеу үшін жетілдіре алады.
AI ай мұзының ықтимал қорларын іздейді
Модельді қолданудың негізгі бағыттарының бірі — су мұзы сақталуы мүмкін аудандарды іздеу.
Айдың полюстері маңындағы тұрақты көлеңкелі аймақтар ерекше қызығушылық тудырады. Күн сәулесі кейбір кратерлерге іс жүзінде жетпейді, сондықтан олардың ішіндегі температура мұздың миллиардтаған жылдар бойы сақталуына мүмкіндік беретіндей төмен болып қалады.
Жаңа модель жер бетінің суреттерін, жер бедері туралы мәліметтерді және қашықтан өлшеу нәтижелерін біріктіреді. Олардың негізінде ол тұрақты мұз шөгінділерінің ықтимал орналасу карталарын жасайды.
Сынақтар барысында жүйе нәтижелерді салыстыру үшін зерттеушілер қолданған модельдердің бірімен салыстырғанда перспективалы аудандарды анықтау кезіндегі қатені 22%-ға дейін азайтты.
Дегенмен, бұл AI жаңа су көздерін өз бетінше тапты дегенді білдірмейді. Ол мұздың болу ықтималдығын бағалайды және одан әрі зерттеу үшін учаскелерді бөліп көрсетуге көмектеседі. Қорлардың болуын, тереңдігін және көлемін тек қосымша өлшеулер, ал өте дұрысы — тікелей Ай бетінде аппараттардың жұмыс істеуі ғана растай алады.
Айдағы су неге соншалықты маңызды
Ай мұзы зерттеушілерді тек болашақ экипаждар үшін ауыз су көзі ретінде ғана қызықтырмайды.
Суды сутегі мен оттегіге бөлуге болады. Оттегі тыныс алу үшін қажет, ал екі элемент те зымыран отынын өндіруде пайдаланылуы мүмкін. Егер ресурстарды тікелей Айда өндіру мүмкін болса, болашақ экспедицияларға бүкіл қорды Жерден тасымалдаудың қажеті болмайды.
Жүктің әрбір қосымша килограмы миссияны қиындатады және оның құнын арттырады. Сондықтан жергілікті ресурстарға қол жеткізу ұзақ мерзімді ай инфрақұрылымын құрудың негізгі шарттарының бірі болып саналады.
Мұз сонымен қатар Күн жүйесінің ерте тарихы туралы мәліметтерді сақтауға қабілетті. Оның химиялық құрамы ғалымдарға судың Айға қалай түскенін және бұл процесте кометалардың, астероидтардың және күн желінің қандай рөл атқарғанын түсінуге көмектесе алады.
Бірақ перспективалы учаскені анықтау мен өнеркәсіптік өндіру арасында үлкен қашықтық жатыр. Мұздың концентрациясын анықтау, өте төмен температурада жұмыс істеуге арналған жабдықты жасап шығару және өндірудің экономикалық әрі техникалық тұрғыдан тиімді болатынын түсіну қажет.
Модель кратерлерді және жер бетіндегі өзгерістерді таниды
Жаңа AI-дың тағы бір қолданылуы — кратерлерді автоматты түрде картаға түсіру.
Әрбір кратер Айдың астероидпен немесе басқа ғарыштық денемен соқтығысуы нәтижесінде пайда болады. Олардың саны, мөлшері мен орналасуы жер бетінің жекелеген учаскелерінің жасын анықтауға және Күн жүйесінің тарихын қалпына келтіруге көмектеседі.
Кратерлердің практикалық та маңызы зор. Үлкен ойпаттар, қойтастар мен тік беткейлер қону аппараттары мен айкезбелер үшін қауіп төндіруі мүмкін. Неғұрлым егжей-тегжейлі карталар салыстырмалы түрде қауіпсіз бағыттар мен алаңдарды алдын ала таңдауға мүмкіндік береді.
Бір метрлік ажыратымдылықтағы суреттерді талдау кезінде NASA мен IBM моделі күшті мамандандырылған алгоритмдермен салыстыруға болатын нәтижелер көрсетті. Неғұрлым ірі масштабтағы кескіндермен жұмыс істеу кезінде ол салыстырмалы модельдердің бірінен екі есе аз таңбаланған деректерді пайдалана отырып, шамамен 19%-ға асып түсті.
Эксперименттердің бірінде жүйе SpaceX зымыран сатысы құлағанға дейін және одан кейін түсірілген Эйнштейн кратері ауданының суреттерінде тексерілді. Соқтығысудан кейін алынған кескін бастапқы оқыту кезінде пайдаланылмаған еді. Қосымша баптаудан кейін модель жаңа кратерді анықтап, оны бұрыннан бар нысандардан ажырата алды.
Болашақта осыған ұқсас құралдарды Ай бетінің орасан зор аумағындағы соқтығысулардың жаңа іздерін және басқа да өзгерістерді автоматты түрде іздеу үшін қолдануға болады.
AI Айдың жанартаулық өткенін зерттеуге көмектеседі
Бүгінде Ай геологиялық тұрғыдан Жерге қарағанда әлдеқайда аз белсенді деп есептеледі. Дегенмен, өткен заманда онда тіпті жай көзбен көруге болатын қараңғы жазықтарды қалыптастырған ауқымды жанартаулық процестер жүрген.
Ғалымдарды irregular mare patches ретінде белгілі ерекше құрылымдар — ай теңіздеріндегі шағын бұдырлы учаскелер қатты қызықтырады. Олардың кейбіреулері салыстырмалы түрде жас болып көрінеді және жанартаулық белсенділіктің тоқтау мерзімдері туралы дәстүрлі түсініктерге сәйкес келмейді.
Оларды қолмен іздеу көп уақытты алады. Жаңа модель ауқымды аумақтарды талдауға және сыртқы түрі осындай түзілімдерге ұқсас нысандарды бөліп көрсетуге қабілетті.
Сынақ кезінде AI базалық модельдердің біріне қарағанда жанартаулық құрылымдардың шекараларын дәлірек анықтады. Айырмашылық шамамен 3%-ды құрады. Бұл сан аз болып көрінуі мүмкін, бірақ ғылыми картография үшін, әсіресе миллиондаған суреттерді өңдеу кезінде, тіпті осындай жақсарту айтарлықтай маңызды болуы мүмкін.
Модель бүкіл әлемнің зерттеушілері үшін ашылды
NASA мен IBM әзірлемені тек өз зертханаларының ішінде қалдырған жоқ. Модель Hugging Face платформасында жарияланды, ал оның коды GitHub-та қолжетімді. Онымен бірге зерттеушілер дайындалған деректер жиынтығын және нәтижелерді тексеруге арналған құралдарды алды.
Бұл университеттерге, ғылыми ұйымдарға және тәуелсіз командаларға модель негізінде жеке қосымшаларды жасауға, оны жаңа міндеттерге бейімдеуге және әртүрлі әдістердің тиімділігін салыстыруға мүмкіндік береді.
Ашық формат миллиондаған спутниктік суреттер бойынша ірі жүйені өз бетінше оқытуға ресурстары жоқ елдер мен зерттеу орталықтары үшін өте маңызды.
Бұл ретте ашықтық кез келген алынған нәтижені автоматты түрде ғылыми жаңалық деп санауға болатынын білдірмейді. Машиналық оқыту модельдері бастапқы деректердің сапасына, жарықтандыру ерекшеліктеріне, түсірілімдердің ажыратымдылығына немесе ландшафттың жекелеген түрлерінің жеткіліксіз ұсынылуына байланысты қателесуі мүмкін.
AI-дың барлық қорытындылары мамандармен және тәуелсіз өлшеулермен расталуы тиіс.
NASA мен IBM ғылымға арналған AI-ды қазірдің өзінде жасауда
Айдағы модель NASA мен IBM компанияларының ғылыми деректерге жасанды интеллектіні қолдану жөніндегі неғұрлым кең ауқымды бағдарламасының жалғасы болды.
Бұған дейін серіктестер Prithvi геокеңістіктік модельдер отбасын жасап шығарған еді. Олар Жердің спутниктік суреттерін талдау үшін пайдаланылады және су тасқындарын картаға түсіру, өнімділікті болжау, табиғи өрттерді бақылау және табиғи апаттардың салдарын зерттеу кезінде қолданылуы мүмкін.
Тағы бір бірлескен әзірлеме — Күнді бақылау деректерінде оқытылған Surya моделі. Ол Жердегі спутниктерге, байланыс пен энергетикалық жүйелерге әсер етуі мүмкін күн жарқылдарын және ғарыштық ауа-райының басқа да құбылыстарын зерттеуге көмектеседі.
Бұл жобалардың жалпы қағидаты — бақылаулардың орасан зор мұрағаттарын жаңа зерттеулер үшін ыңғайлы негізге айналдыру. Ғарыш аппараттары ғалымдар қолмен жылдам өңдей алатынынан әлдеқайда көп ақпарат шығарады. AI бастапқы сұрыптауды, заңдылықтарды іздеуді және ең қызықты нысандарды бөліп көрсетуді өз мойнына алуы тиіс.
Технология Айды игеруде нені өзгертеді
Жаңа модель ғарыш аппаратын қондырмайды және ай базасын салмайды. Бірақ ол спутниктік деректерді алу мен шешім қабылдау арасындағы уақытты айтарлықтай қысқарта алады.
Мыңдаған суреттерді қолмен қарап шығудың орнына, зерттеушілер кратерлердің карталарын жылдам жасай алады, ерекше геологиялық құрылымдарды іздей алады және мұздың сақталу ықтималдығы жоғары аудандарды анықтай алады. Бұл орбиталық бақылаулар, автоматты станциялар және болашақ басқарылатын экспедициялар үшін мақсаттарды дәлірек таңдауға көмектеседі.
Әртүрлі ақпарат түрлерін біріктіру ерекше маңызды болуы мүмкін. Бір сурет жер бетінің сыртқы түрін көрсетеді, екінші аспап — оның температуралық ерекшеліктерін, ал үшіншісі химиялық құрамы немесе бедері туралы мәлімет береді. AI бұл қабаттарды бір уақытта талдап, бөлек зерттеу кезінде байқау қиын болатын өзара байланыстарды таба алады.
NASA мен IBM әзірлемесі жасанды интеллектінің чат-боттар мен сурет генераторларының шеңберінен біртіндеп шығып жатқанын көрсетеді. Оның басты қолдану салаларының біріне ғылым айналуда — Жердегі ауа райын болжаудан бастап басқа аспан денелерінен су іздеуге дейін.
Келесі қадам — ашық модельдің нақты ғылыми жобаларда өзін қалай көрсететінін тексеру болмақ. Егер зерттеушілер оның көмегімен жаңа геологиялық құрылымдарды таба алса немесе мұздың ықтимал қорларының карталарын нақтылай алса, AI Айды игерудің жаңа кезеңін дайындауда толыққанды жұмыс құралына айналады.
