在過去的15年裡，NASA（美國國家航空航天局）的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。每天，軌道飛行器都會發回珍貴的圖像和其他傳感器數據。NASA研究人員最關注與隕石坑有關的圖像，因為它可以幫助研究人員遠程校準衛星的參數，挖掘更多關於這個古老星球的信息。

不過，梳理一顆行星的圖像數據是一項乏味的工作，這正是AI 要解決的問題。

去年年底，NASA 研究人員首次使用機器學習算法從火星勘測軌道飛行器傳回的數據張發現了數十個新鮮的隕石坑。這也預示著一種研究太陽系行星的新方法。

“從科學的角度來看，這是令人興奮的，因為它加深了我們對這些特徵的認知，”NASA 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Kiri Wagstaff 說，“數據一直都在那裡，只是我們自己沒有看到而已。”

具體來說，研究人員使用7000張圖像來訓練AI——這些圖像中有之前發現的隕石坑，另一些則沒有任何隕石坑，充分地訓練算法。隨後，用AI對軌道飛行器傳回的11.2萬張圖像數據庫進行梳理。

一旦AI 發現了疑似的隕石坑，NASA 研究人員就可以通過軌道飛行器的高分辨率攝像機進行一些後續觀察，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。這是AI 第一次在其他星球上發現隕石坑。

在過去的15 年裡，該項目的科學家們不得不手動搜索並識別火星勘測軌道飛行器的圖像，其中僅是獲取一張圖片的時間就需要3-4個小時。相比之下，AI 可以在短短5 秒內完成這樣的過程。

除了幫助確定火星表面的年齡外，隕石坑還可以讓科學家了解火星表面下的情況。例如，大約十年前，火星勘測軌道飛行器探測到一個新的隕石坑，它透露出了一些地下水冰的存在。

通過研究暴露在外的冰，以及它是如何隨著時間消失的，科學家們能夠更好地了解冰在火星表面的分佈情況。

目前，這個團隊項目已經通過AI 檢測出了60-70 個人們以前從未見過的新隕石坑，不過這才剛剛開始。

Kiri Wagstaff 和她的同事們希望這種類型的機器學習未來能夠在太空中完成，從而進一步加速這一過程。

換言之，火星勘測軌道飛行器等航天器將能夠處理自己的數據，而不是將所有圖像傳回地球，由巨型超級計算機處理——如果探測器發現了一個可能的隕石坑，則可以立即用更靈敏的儀器進行後續觀測。

但就目前而言，這仍是一個遙遠的目標。

在AI 研究中，圖像檢測是一個相對容易理解的問題，但要構建出能夠在空間站運行的檢測算法的硬件，不是一件容易的事。

在最近的研究中，Kiri Wagstaff 和團隊所使用的超級計算機中搭載了75 個處理器，這台超級計算機的計算能力比火星軌道飛行器的計算能力要大幾個數量級。

將AI 技術融入未來的宇宙研究會變得越來越重要。

隨著技術的進步和數據傳輸速率的提高，一旦AI 驅動的“探索者”在太陽系漫遊，誰知道我們會發現什麼呢?