Inteligência artificial está ajudando cientistas a encontrarem crateras em Marte

O trabalho de cientistas muitas vezes envolve análises de grandes quantidades de imagens e dados em busca de algo específico, o que demanda muito tempo e muita dedicação. Mas, graças à tecnologia, tudo isso vai ficando cada vez mais ágil — como acontece agora com a busca por crateras em Marte, especificamente aquelas causadas por um meteoro que cruzou os céus marcianos há quase dez anos, e que se rompeu em fragmentos que atingiram a superfície. Neste caso, a inteligência artificial está ajudando a ciência a procurar e analisar essas crateras.

• Com inteligência artificial, pesquisadores encontram 560 mil galáxias em imagens
• Inteligência artificial é usada para prever colisões de exoplanetas
• Inteligência artificial descobre 2.000 novas estrelas "bebês" na Via Láctea

Geralmente, os cientistas estudam as imagens feitas pela sonda Mars Reconnaissance Orbiter (MRO) durante longas horas para buscar indicações de fenômenos nelas. Com os dados da MRO, eles já encontraram mais de mil novas crateras; na maior parte das vezes, elas são identificadas com a câmera Context, que faz imagens de grandes áreas em baixa resolução. Como as crateras dificilmente se destacam nessas imagens, o próximo passo é observá-las com o poderoso instrumento High-Resolution Imaging Science Experiment, ou apenas HiRISE.

O problema é que depois vem um processo demorado: os pesquisadores levam pelo menos 40 minutos para analisarem cuidadosamente uma só imagem da Context. Para ganhar tempo, os pesquisadores e cientistas do Laboratório de Propulsão a Jato (JPL), da NASA, criaram uma ferramenta de machine learning que os ajudou nesta tarefa tanto para economizar tempo quanto para aumentar as descobertas. Para treinar esta ferramenta classificadora de crateras, os cientistas a alimentaram com quase 7 mil imagens da câmera Context — incluindo aquelas sem impactos novos para que a classificadora soubesse o que não procurar.

Depois de treinada, a classificadora foi implementada no repositório inteiro da Context, que conta com mais de 112 mil imagens. O resultado foi surpreendente: ao ser utilizada nos supercomputadores do JPL, o processo de análise manual por um pesquisador, que levava 40 minutos, passou ser feito em apenas cinco segundos. Mesmo sendo eficiente, a classificadora ainda precisa ter seu trabalho conferido por um humano: “a IA não consegue fazer uma análise precisa como um cientista faz", disse Kiri Wagstaff, cientista computacional do JPL. "Mas ferramentas como este algoritmo podem ser usadas como assistentes. Isso abre o caminho para uma simbiose entre humanos e inteligências artificiais ‘investigadoras’ trabalhando juntos para acelerar as descobertas científicas", finaliza.

Em agosto de 2020, o HiRISE confirmou que uma formação escura identificada pela ferramenta na região Noctis Fossae era, de fato, um aglomerado de crateras — o que é animador, já que a NASA espera que as ferramentas de IA façam mais deste trabalho para que os humanos possam ocupar suas mentes com pensamentos e ideias mais complexas. Até o momento, a equipe já submeteu mais de 20 candidatas para análise do HiRISE. Assim, enquanto a ferramenta trabalha nos computadores da Terra, a meta final é desenvolver classificadores similares que possam ser utilizadas a bordo por futuras sondas de Marte.

No momento, os dados enviados de volta para a Terra exigem que os cientistas os analisem até encontrarem imagens interessantes — quase como encontrar uma agulha em um palheiro, conforme explica Michael Munje, aluno que trabalhou no JPL. "A esperança é que no futuro, a IA possa priorizar imagens orbitais que os cientistas possivelmente estarão mais interessados". Para Ingrid Daubar, uma das cientistas trabalhando no sistema, a ferramenta poderá ajudar na construção do conhecimento sobre a frequência, forma e tamanho dos meteoros que atingiram Marte: “este avanço mostra o quanto você pode fazer com missões veteranas, como a MRO, usando técnicas modernas de análises”.

Fonte: UniverseToday, NASA