Помогаем Кьюриосити не застрять в коварных марсианских песках, размечая ему маршрут в проекте AI4Mars.

Привет! Меня зовут Влад Цой — я работаю в проекте «Люди науки», занимаюсь научным волонтёрством и грежу о полёте на Марс. Космический романтизм и мечты о прогулках по красным пескам этой планеты во мне воспитали книги Кира Булычёва и Рэя Брэдбери. Увы, новости последних лет от NASA, ESA, Роскосмоса и других космических агентств убивают всякую надежду — кажется, я буду глубоким старцем, когда первый человек ступит на Марс.

«Селфи» марсохода Кьюриосити (Curiosity), составленное из 57 отдельных фотографий, снятых с помощью камеры MAHLI, установленной на роботизированной руке ровера. Снимки сделаны 12 мая 2019 г. Фото: NASA/JPL-Caltech/MSSS

Приходится обходиться снимками дня от NASA, следить за фотографиями от Juno и открывать Twitter Curiosity — очень волнуюсь за него, потому что его предшественник Spirit (он же MER-A) в 2009 году безнадёжно застрял в песке. 

За тем, чтобы такого не случилось, следят операторы NASA. Дважды в сутки они получают информацию от Curiosity через спутники на орбите Марса. С учётом больших временных разрывов управлять марсоходом в режиме реального времени невозможно — поэтому учёные строят маршруты для Curiosity на несколько дней вперёд. Это не очень удобно — представьте себя в автомобиле, который часами реагирует на поворот руля: чистое время прохождения радиосигнала между Марсом и Землей составляет от 187 до 1333 секунд, нужно увеличить его как минимум в разы, чтобы поддерживать эффективную обратную связь, а не просто отправить указание аппарату и отвернуться. 

Теперь NASA работает над добавлением в марсоход искусственного интеллекта, который бы сам мог строить безопасные маршруты. И что самое интересное — помочь им может любой желающий. Достаточно стать волонтёром AI4Mars.

Илл.: AI4Mars, Zooniverse

Что это за проект?

Учёные NASA создали алгоритм машинного обучения, который позволяет определять опасные для ровера объекты и свойства поверхности. Чтобы обучить искусственный интеллект, нужен большой объём данных. Поэтому летом 2020 года NASA запустила проект гражданской науки AI4Mars. Его волонтёров просят рассматривать пейзажи Марса, сделанные камерами роверов Spirit, Opportunity, Curiosity, и классифицировать тип почвы на фотографии. Авторы AI4Mars решили не создавать специальных приложений и сайтов, поэтому загрузили проект на популярную citizen science платформу — Zooniverse.

Сейчас просторами Марса любуются больше 8000 волонтёров, которые вместе сделали около 266 000 классификаций. Проект уже завершён на 90%, но вы ещё успеете помочь, если захотите. 

Отправляемся на Марс

Регистрироваться на Zooniverse необязательно. Но лучше создать аккаунт, чтобы общаться с другими участниками и авторами проекта. Для наибольшего комфорта стоит запустить AI4Mars на компьютере: некоторые волонтёры жаловались, что фотографии долго грузятся на смартфонах и планшетах.

Я учёл все комментарии и основательно подготовился: вспомнил пароль от аккаунта на Zooniverse, открыл сайт на компьютере и налил себе несколько кружек кофе. Поехали!

AI4Mars начинается с простой инструкции. Волонтёру показывают, как ломаными линиями отмечать разные типы почвы: песок, плотный грунт, плоскую скальную породу и большие камни. Если есть сомнения — лучше оставить фотографию в покое. Всё предельно просто — щёлкаю на кнопку «Let’s go!» и получаю первое изображение.

Илл.: AI4Mars, Zooniverse

Пустой каменистый склон — кадр словно вырезали из какого-то старого вестерна. Решаю добавить немного красок в этот пейзаж и мышкой рисую на нём два многоугольника. Жёлтым отмечаю плоскую скальную породу, а синим — плотный грунт.

Илл.: AI4Mars, Zooniverse

По обоим поверхностям марсоход легко проедет. Любуюсь проделанной работой и кликаю «Done» — сразу получаю новое изображение.

Илл.: AI4Mars, Zooniverse

Помимо каменистой почвы Марса, на фотографии видно алюминиевое колесо Curiosity. Приглядевшись, замечаю в нём трещины и вмятины. Видно, что за 8,5 лет службы и 23 преодолённых километра марсоход поистрепался.

На следующей фотографии ровер видно ещё лучше — в кадр даже попала надпись Curiosity. Но интересуют меня не детали марсохода, а ландшафт. На этом снимке видны два страшнейших врага любого ровера: большой камень (фиолетовый многоугольник) и вязкий песок (зелёный). Их всегда лучше объезжать стороной.

Илл.: AI4Mars, Zooniverse

Скорее всего, вы уже заметили, что большинство снимков чёрно-белые. Цветные изображения, как пишут авторы проекта, тоже встречаются — их делает камера Curiosity Mastcam. Увы, лично мне за несколько часов, проведённых в AI4Mars,ни один из этих снимков не попался. Однако я обнаружил их в коллекциях других пользователей. Вот тут очень хорошо видны камни, которых боятся учёные NASA.

Илл.: AI4Mars, Zooniverse

А здесь — в левом верхнем углу — можно заметить крохотную «норку».

Илл.: AI4Mars, Zooniverse

Если бы её увидели конспирологи, точно бы придумали с десяток версий о марсианских грызунах и насекомых. На самом же деле — это лишь дырка, которая осталась после бурения. Исследователи NASA ведут учёт таких отверстий. Судя по данным из их архивов, у этого даже есть имя — «Дулут».

Из прочих забавных находок — снимок, на котором вообще не видно почвы. Волонтёры рассматривали его со всех сторон, но так и не придумали, как классифицировать.

Илл.: AI4Mars, Zooniverse

Это фрагмент ровера Curiosity — солнечные часы MarsDial. Аналогичные стояли на Spirit и Opportunity. По длине и направлению тени, которую отбрасывает фигура в центре, учёные вычисляют время суток. Для целей AI4Mars снимок абсолютно бесполезен — пожалуй, его можно считать местной «пасхалкой».

Итоги

Есть один нюанс: поскольку AI4Mars завершён на 90%, многие снимки уже были изучены волонтёрами. Новые фотографии, которые действительно требуют внимания пользователя, встречаются очень редко. А сами изображения довольно однотипные: чёрно-белые песчаные и каменистые пейзажи. Поэтому через десяток-другой кадров начинаешь зевать — и никакой кофе уже на спасает. Скучно.

Но стоит зайти в раздел «Результаты», как понимаешь, что ты вместе с тысячами других людей занимаешься великим делом. Точность определения типа поверхности в одной из первых версий алгоритма составляла лишь 40,85%. Благодаря волонтёрам эта цифра поднялась до 91,41%. Искусственный интеллект всё ещё «спотыкается» о крупные марсианские камни и пока плохо их распознаёт. Но песок он видит с точностью в 86,62%. А показатели для твёрдого грунта и скалистой породы вообще прекрасные — 91,16% и 97,66% соответственно.

Посмотрите, насколько умён стал алгоритм машинного обучения благодаря AI4Mars:

Илл.: AI4Mars, Zooniverse

Слева — обычная фотография. Справа — то, как видит её программа.

Какой вывод? AI4Mars хоть и не самый увлекательный проект гражданской науки, но в нём явно видна важность работы научного волонтёра. Поэтому сюда стоит зайти хотя бы на один вечер. Тогда через несколько лет вы сможете похвастаться: «Слышали, что на марсоходах есть автопилоты? Так вот я участвовал или участвовала в их создании…»