人工智能帮助发现火星上新的陨石坑是行星科学家的里程碑

　　这是第一次使用机器学习来发现红色星球上以前未知的陨石坑。

　　2010年3月至2012年5月之间的某个时候，一颗流星划过火星天空，破碎成碎片，撞上了行星表面。由此产生的陨石坑相对较小——直径只有13英尺（4米）。特征越小，使用火星轨道器就越难发现。但在这种情况下——也是第一次——科学家在一点额外的帮助下发现了它们:人工智能。

　　这对南加州美国宇航局喷气推进实验室的行星科学家和人工智能研究人员来说是一个里程碑，他们共同开发了帮助发现这一发现的机器学习工具。这一成就为节省时间和增加发现量带来了希望。

　　通常，科学家每天花几个小时研究美国国家航空航天局火星勘测轨道飞行器（MRO）拍摄的图像，寻找不断变化的表面现象，如尘暴、雪崩和移动的沙丘。在轨道飞行器在火星的14年里，科学家们依靠MRO的数据发现了1000多个新的陨石坑。它们通常首先被航天器的上下文摄像机检测到，该摄像机每次拍摄覆盖数百英里的低分辨率图像。

　　在这些图像中，只有撞击周围的爆炸痕迹会突出，而不是单个的陨石坑，所以下一步是用高分辨率成像科学实验（即HiRISE）仔细观察。该仪器非常强大，可以看到好奇号火星探测器留下的轨迹等细节。（HiRISE团队允许任何人，包括公众成员，通过其HiWish页面请求特定图像。

　　这个过程需要耐心，研究人员需要40分钟左右仔细扫描一张上下文摄像机图像。为了节省时间，JPL的研究人员开发了一种叫做自动新撞击坑分类器的工具，作为为未来几代火星轨道飞行器开发技术的更广泛的JPL努力的一部分。

　　为了训练陨石坑分类器，研究人员给它输入了6830幅上下文摄像机图像，包括那些先前发现的撞击位置，这些撞击已经通过HiRISE得到了证实。该工具还获得了没有新影响的图像，以便向分类器显示不要寻找的内容。

　　一旦经过训练，分类器就被部署在上下文摄像机的整个存储库中，大约有112，000幅图像。运行在JPL的一个超级计算机集群上，该集群由数十台高性能计算机组成，它们可以相互协同工作，这个过程需要人类40分钟，而人工智能工具平均只需要5秒钟。