原標題：太空“偵探”！偵探訓練發現數十個火星隕石坑 5秒內可識別新暗斑 在過去的太空15年里，美國宇航局的訓練新暗火星勘測軌道飛行器( )一直繞著這顆紅色星球繞圈，研究其氣候和地質。發現每一天，數個識別軌道飛行器都會發回珍貴的火星圖像和其他傳感器數據，的隕石科學家們曾利用這些數據來尋找火星探測器的安全著陸點，并了解火星上水冰的坑秒分布情況。 科學家們特別感興趣的偵探是軌道飛行器的隕石坑照片，它可以提供一個窗口，太空了解火星的訓練新暗深層歷史。 但工程師們仍在致力于從火星返回樣本的發現任務。沒有巖石幫助他們根據地表條件校準遠程衛星數據的數個識別情況下，在確定每個隕石坑的火星年齡和組成時，他們必須做大量有根據的隕石猜測。 目前，他們需要其他方法來梳理這些信息。梳理一顆行星的圖像數據，尋找新撞擊的跡象是一項乏味的工作，但這正是人工智能()要解決的問題。 去年年底，美國國家航空航天局()的研究人員首次使用機器學習算法發現了火星上新鮮的隕石坑。人工智能在火星勘測軌道飛行器( )傳回的圖像數據中發現了數十個隱藏的行星，并揭示了一種研究太陽系行星的有前途的新方法?！皬目茖W的角度來看，這是令人興奮的，因為它增加了我們對這些特征的知識，”噴氣推進實驗室的計算機科學家、該研究團隊的負責人之一基里·瓦格斯塔夫( )說?！皵祿恢倍荚谀抢?，只是我們自己沒有看到而已?！? 火星勘測軌道飛行器攜帶3個照相機，但瓦格斯塔夫和她的同事僅使用背景圖像和圖像來訓練他們的人工智能。使用了有史以來送入深空的最大的反射望遠鏡來生成圖像，其分辨率大約是谷歌地圖上使用的圖像的三倍。 首先，人工智能接收了近7000張火星軌道照片——其中一些有之前發現的隕石坑，另一些則沒有任何隕石坑——以教會算法如何探測新的襲擊。分類器能夠準確探測到訓練集中的隕石坑后，瓦格斯塔夫和她的團隊將算法加載到噴氣推進實驗室的一臺超級計算機上，并使用它梳理來自軌道飛行器的超過112,000張圖像的數據庫。 “我們使用了一個非常標準的卷積網絡來分析圖像數據，但能夠大規模應用它仍然是一個挑戰。這是我們必須解決的問題之一?！? 一旦人工智能確定了一些有希望的隕石坑，美國宇航局的研究人員就可以用軌道飛行器的高分辨率攝像機進行一些后續觀察，以確認隕石坑確實存在。去年8月，該團隊第一次得到了確認，軌道飛行器拍攝了一組被算法識別的隕石坑，大約有60-70個。這是人工智能第一次在另一個星球上發現隕石坑。 這個新過程可能會大大加快在火星和其他行星上發現隕石坑的速度。過去，科學家們不得不手動搜索航天器拍攝的圖像，每張平均耗時45分鐘。相比之下，新的算法可以在短短5秒內發現圖像上是否包含新的暗斑。
