Debido a que los algoritmos de aprendizaje automático de la inteligencia artificial requieren entrenamiento por parte de humanos, la NASA lleva a cabo un nuevo proyecto por medio del cual cualquier persona del mundo puede ser parte de la investigación que está en marcha por los rovers Curiosity y Perseverance en Marte.
Según refiere Infobae, la NASA solicita la ayuda de los científicos ciudadanos para que etiqueten “características de interés científico en las imágenes tomadas por el rover Perseverance Mars de la NASA”. Se trata del proyecto Al4Mars, que está alojado en la plataforma Zooniverse, y continúa el trabajo iniciado el año pasado con el rover Curiosity que terminó generando un algoritmo de clasificación de objetos.
De acuerdo con funcionarios del Laboratorio de Propulsión a Chorro (JPL) de la NASA, “las imágenes de Perseverance mejorarán aún más (el algoritmo) al expandir los tipos de etiquetas de identificación que se pueden aplicar a las características de la superficie marciana, como rocas flotantes o nódulos (bolas del tamaño de BB, a menudo formadas por agua, de minerales que se han cementado juntos)”.
El etiquetado se lleva a cabo con la herramienta SPOC (Clasificación de propiedades y objetos del suelo), por medio del cual las personas etiquetaron casi 500,000 imágenes, delineando características como arena y roca. La herramienta obtiene estas funciones correctamente el 98% del tiempo, y los conductores de rover ya están usando SPOC para planificar las rutas de Red Planet.
Asimismo, el Perseverance, con sus 23 cámaras, envía decenas a cientos de imágenes a la Tierra cada día, por lo cual, los expertos de la NASA les toma mucho tiempo entre el momento que reciben las imágenes y cuando se cargan las instrucciones en Perseverance de sus equipos, y esto puede llevar horas, pues los científicos buscan en las fotos características específicas de interés, así como terrenos que pueden ser peligrosos para el rover.
Este trabajo de etiquetado servirá para crear una base de datos para clasificar el terreno y ayudar a los robots a comprender mejor lo que captan con sus cámaras y avanzar en la superficie del planeta rojo. “La clave para cualquier algoritmo exitoso es un buen conjunto de datos. Cuantos más datos individuales estén disponibles, más aprende un algoritmo”, dijo Hiro Ono, investigador de IA de JPL que dirigió el desarrollo de AI4Mars.
De esta manera, la NASA afirma que etiquetar tales características geológicas podría ayudar con la búsqueda de vida en Marte, lo cual incluye, además del rover, un orbitador y naves espaciales que posibiliten el retorno de muestras marcianas que se espera que sea un hecho en la próxima década.
