La IA está ayudando a los científicos a descubrir cráteres recientes en Marte.

La cámara HiRISE a bordo del Mars Reconnaissance Orbiter de la NASA tomó esta imagen de un cúmulo de cráteres en Marte. La IA vio por primera vez los cráteres en imágenes tomadas con la cámara de contexto del orbitador; Los científicos siguieron esta imagen con HiRISE para confirmar los cráteres. Crédito: NASA / JPL-Caltech / Universidad de Arizona.

Es la primera vez que se utiliza el aprendizaje automático para encontrar cráteres desconocidos en el Planeta Rojo.

En algún momento entre marzo de 2010 y mayo de 2012, un meteoro atravesó el cielo marciano y se rompió en pedazos, estrellándose contra la superficie del planeta. Los cráteres resultantes fueron relativamente pequeños: solo 4 metros de diámetro. Cuanto más pequeñas son las características, más difíciles son de detectar utilizando orbitadores de Marte. Pero en este caso, y por primera vez, los científicos los detectaron con un poco de ayuda adicional: inteligencia artificial (IA).

Es un hito para los científicos planetarios y los investigadores de inteligencia artificial en el Laboratorio de Propulsión a Chorro de la NASA en el sur de California, que trabajaron juntos para desarrollar la herramienta de aprendizaje automático que ayudó a realizar el descubrimiento. El logro ofrece la esperanza de ahorrar tiempo y aumentar el volumen de hallazgos.

Por lo general, los científicos pasan horas cada día estudiando imágenes capturadas por el Mars Reconnaissance Orbiter (MRO) de la NASA, buscando fenómenos superficiales cambiantes como remolinos de polvo, avalanchas y dunas cambiantes. En los 14 años del orbitador en Marte, los científicos se han basado en los datos de MRO para encontrar más de 1.000 nuevos cráteres. Por lo general, se detectan primero con la cámara de contexto de la nave espacial, que toma imágenes de baja resolución que cubren cientos de kilómetros a la vez.

Solo las marcas de explosión alrededor de un impacto se destacarán en estas imágenes, no los cráteres individuales, por lo que el siguiente paso es mirar más de cerca con el Experimento científico de imágenes de alta resolución, o HiRISE. El instrumento es tan poderoso que puede ver detalles tan finos como las huellas dejadas por el rover Curiosity Mars. (El equipo de HiRISE permite que cualquier persona, incluidos los miembros del público, solicite imágenes específicas a través de su página HiWish).

El proceso requiere paciencia, invirtiendo aproximadamente 40 minutos para que un investigador escanee cuidadosamente una sola imagen de la cámara de contexto. Para ahorrar tiempo, los investigadores de JPL crearon una herramienta, llamada clasificador automatizado de cráteres de impacto fresco, como parte de un esfuerzo más amplio de JPL llamado COSMIC (Capturing Onboard Summarization to Monitor Image Change) que desarrolla tecnologías para las generaciones futuras de orbitadores de Marte.

Una visualización interactiva completa del Mars Reconnaissance Orbiter está disponible en: Eyes on the Solar System.
Estudiando el paisaje

Para entrenar al clasificador de cráteres, los investigadores lo cargaron con 6.830 imágenes de cámara de contexto, incluidas las de ubicaciones con impactos previamente descubiertos que ya habían sido confirmados a través de HiRISE. La herramienta también fue alimentada con imágenes sin nuevos impactos para mostrarle al clasificador lo que no debe buscar.

Una vez entrenado, el clasificador se implementó en todo el repositorio de la cámara de contexto de aproximadamente 112.000 imágenes. Al ejecutarse en un clúster de supercomputadoras en JPL compuesto por docenas de ordenadores de alto rendimiento que pueden funcionar en conjunto, un proceso que lleva a un ser humano 40 minutos, supone para la herramienta de inteligencia artificial un promedio de solo cinco segundos.

Uno de los desafíos era averiguar cómo ejecutar hasta 750 copias del clasificador en todo el clúster simultáneamente, dijo el científico informático del JPL Gary Doran. “No sería posible procesar más de 112.000 imágenes en un período de tiempo razonable sin distribuir el trabajo entre muchos ordenadores”, dijo Doran. “La estrategia es dividir el problema en partes más pequeñas que puedan resolverse en paralelo”.

Pero a pesar de toda esa potencia informática, el clasificador todavía requiere que un humano verifique su trabajo.

“La IA no puede hacer el tipo de análisis experto que puede hacer un científico”, dijo el científico informático del JPL Kiri Wagstaff. “Pero herramientas como este nuevo algoritmo pueden ser sus asistentes. Esto allana el camino para una simbiosis emocionante de ‘investigadores’ humanos y de IA que trabajen juntos para acelerar el descubrimiento científico”.

El 26 de agosto de 2020, HiRISE confirmó que una mancha oscura detectada por el clasificador en una región llamada Noctis Fossae era en realidad el grupo de cráteres. El equipo ya ha presentado más de 20 candidatos adicionales para que HiRISE los revise.

Si bien este clasificador de cráteres se ejecuta en ordenadores conectados a la Tierra, el objetivo final es desarrollar clasificadores similares diseñados para uso a bordo por futuros orbitadores de Marte. En este momento, los datos que se envían de regreso a la Tierra requieren que los científicos los examinen para encontrar imágenes interesantes, como tratar de encontrar una aguja en un pajar, dijo Michael Munje, un estudiante graduado de Georgia Tech que trabajó en el clasificador como pasante en JPL.

“La esperanza es que en el futuro, la IA pueda priorizar las imágenes orbitales en las que es más probable que los científicos estén interesados”, dijo Munje.

Ingrid Daubar, científica con nombramientos en JPL y la Universidad de Brown que también participó en el trabajo, tiene la esperanza de que la nueva herramienta pueda ofrecer una imagen más completa de la frecuencia con la que los meteoros golpean Marte y también revelar pequeños impactos en áreas donde no han estado. Cuantos más cráteres se encuentran, más científicos agregan al cuerpo de conocimiento el tamaño, la forma y la frecuencia de los impactos de meteoritos en Marte.

“Es probable que haya muchos más impactos que aún no hemos encontrado”, dijo. “Este avance muestra cuánto se puede hacer con misiones veteranas como MRO utilizando técnicas de análisis modernas”.