As crateras marcianas aparecem “concentradas em certas áreas e sabemos que fisicamente não há razão para isso“, disse um pesquisador do JPL. Uma ferramenta de IA pode ajudar a descobrir o porquê.
Os planetas em nosso sistema solar são freqüentemente atingidos por rochas espaciais aleatórias enquanto orbitam o sol. Alguns desses impactos são catastróficos, mas outros deixam crateras relativamente pequenas que são difíceis de localizar até mesmo pelos cientistas mais perspicazes.
Pela primeira vez, uma ferramenta de aprendizado de máquina descobriu esse tipo de formação de cratera sutil em Marte, de acordo com o Jet Propulsion Laboratory (JPL) da NASA.
A ferramenta AI, que é chamada de “um classificador de crateras de impacto automatizado“, encontrou um aglomerado de crateras marcianas anteriormente desconhecido em imagens capturadas pelo Mars Reconnaissance Orbiter (MRO) da NASA. A nova detecção indica que pode haver uma série de crateras em Marte que atualmente não podemos ver.
As crateras têm apenas cerca de quatro metros de diâmetro e foram provavelmente criadas por destroços de um meteoro que explodiu na região de Noctis Fossae de Marte em algum momento entre 2010 e 2012. Embora a característica esteja no conjunto de dados do MRO há anos, foram esquecidos pelos humanos até agora.
Mas o que isso significa?
“O objetivo aqui é realmente conseguir ter uma noção de onde essas [crateras] aparecem na superfície”, disse Kiri Wagstaff, cientista da computação do JPL, por telefone. “O catálogo existente que temos, de cerca de 1.000 deles, foi gerado pela revisão manual de imagens e mostra uma distribuição muito heterogênea na superfície de Marte.”
Em outras palavras, “parece que eles estão concentrados em certas áreas e sabemos que fisicamente não há razão para isso”, acrescentou. “Os meteoros devem atingir todos os lugares com a mesma probabilidade, e isso é o que nos dá a sensação de que estamos perdendo muitos deles e adoraríamos obter um catálogo mais completo.”
Essas crateras ocultas podem ser mais difíceis de detectar por uma variedade de razões, mas uma das mais importantes é a natureza do ambiente da superfície marciana em torno dos impactos. Crateras que se formam em regiões reflexivas empoeiradas do planeta são mais fáceis de identificar em análises manuais por causa do contraste entre a zona escura de impacto e a superfície mais clara.
“Se o mesmo impacto acontecesse no leito rochoso exposto, onde não há poeira brilhante, provavelmente seria muito mais difícil de ver porque seria escuro sobre escuro”, disse Wagstaff
Em outras palavras, é provável que haja um viés de amostragem das crateras marcianas que obscurece toda a história de impacto do planeta. O novo classificador de IA pode já ter expressado um talento especial para nivelar nossas observações desequilibradas de crateras.
A ferramenta é treinada para escanear dezenas de milhares de imagens de baixa resolução obtidas pela Câmera de Contexto do MRO e para sinalizar candidatos a crateras em potencial para que os humanos possam fazer o acompanhamento usando imagens mais nítidas obtidas pelo instrumento HiRISE do orbitador.
Até agora, o classificador tem encontrado muitas crateras candidatas que foram perdidas pela revisão humana nos últimos anos.
A “grande questão”, disse Wagstaff, é se há “algo diferente sobre aqueles que o aprendizado de máquina está descobrindo que ainda não são conhecidos“.
“Eles são menores ou mais tênues ou têm formas ou propriedades estranhas, ou estão em superfícies mais escuras?” ela continuou. “Pode ser que estejamos encontrando uma subpopulação dessas crateras que não era conhecida anteriormente porque foi esquecida por algum motivo.”
Wagstaff e seus colegas já solicitaram observações HiRISE de cerca de 70 outras crateras potenciais que o classificador marcou nos dados da Câmera de Contexto.
Essas observações adicionais podem ajudar os cientistas a descobrir se a ferramenta de IA está localizando uma classe especial de crateras marcianas que escapou do radar até agora.
Além de criar um catálogo mais amplo de impactos em Marte, o projeto é um exemplo dos conjuntos de habilidades complementares que pesquisadores humanos e ferramentas de IA podem trazer para a exploração planetária.
“Gosto de ser muito cauteloso para que as pessoas não pensem que estamos dizendo:‘ Oh, a IA agora vai fazer todas as descobertas científicas por conta própria ’”, disse Wagstaff. “Isso simplesmente não é possível. Definitivamente, são pessoas trabalhando com as máquinas para fazer isso acontecer. ”
Leia também: Estudo: Viagem no tempo sem paradoxos é possível … na teoria
Traduzido e editado por equipe Isto é Interessante
Fonte: Vice
