科学家们从美国宇航局的火星侦察轨道器（MRO）上的相机拍摄了图像，作为其算法的输入数据。
火星南极上的火星侦察轨道器。由艺术家绘画。资料来源：space.com
Contextual Camera（CTX）MRO捕获一次可以覆盖数百公里的低分辨率图像。这样，您就可以找到冲击点周围的爆炸痕迹，并缩小行星表面的搜索范围。为了捕获更精细的细节并识别出单个的陨石坑，科学家们依靠高分辨率的MRO HiRISE摄像机。它使您可以看到距行星表面仅30厘米长的轨道的物体，首先，分析来自CTX摄像机的图像，然后将HiRISE对准有趣的区域。但是，需要艰苦的图像分析才能识别火星表面的小物体，然后选择它们进行进一步研究。 NASA期望AI加快这一过程。
为了更准确地找到陨石坑，美国宇航局研究人员对使用情境相机拍摄的6830张图像进行了“训练”。该过程包括人类先前已识别出与行星表面碰撞的区域以及没有陨石坑的区域的图像，以便该仪器可以学习正确区分火星的表面特征。
一堆由人工智能识别的小型火星陨石坑。图片：NASA
训练完算法后，科学家又上传了另外112,000张红色星球表面的图像，这些图像由上下文相机捕获。多亏了这些图像，人工智能才能够区分出一组叫做夜夜陨石坑的陨石坑，研究人员使用HiRISE仪器证实了这些陨石坑。因此，发现了另外20个需要研究的领域，专家将对此进行更详细的探讨。
“当然，人工智能无法像科学家那样熟练地分析图像。但是像这种新算法这样的工具可以帮助他们做到这一点。JPL NASA的基里·瓦格斯塔夫（Kiri Wagstaff）说，“这为人与人工智能的共生共生铺平了道路，共同促进了科学发现。”
她的同事加里·多兰（Gary Doran）说：“如果不在许多计算机之间分配工作，就不可能在合理的时间内处理超过112,000张图像。”
NASA希望在未来的火星轨道器上使用类似的分类技术。根据美国国家航空航天局的工作人员的说法，这将提供流星在火星上坠落的频率的更完整描述。