帮助火星漫游者的人工智能学会区分岩石和泥土

好奇号不会自己导航；地球上有一个完整的团队，他们分析从火星传回的图像，并为移动科学实验室规划一条前进的道路。然而，为了做到这一点，他们需要仔细检查图像，以准确地了解岩石、土壤、沙子和其他特征在哪里。

这正是机器学习系统擅长的任务类型：你给他们很多图像，上面有明显的特征清晰地标记，他们就会学会在没有标记的图像中找到相似的特征。

问题是，虽然有很多现成的图像数据集，上面标有面孔、猫和汽车，但没有多少火星表面标注了不同的地形类型。

“通常情况下，训练深度学习算法需要数十万个例子。例如，自动驾驶汽车的算法是用道路、标志、红绿灯、行人和其他车辆的大量图像进行训练的。深度学习的其他公共数据集包括人、动物和建筑-但没有火星景观，“NASA/JPL人工智能研究员小野弘在一份新闻稿中说。

准确地说，他们已经有了一种名为土壤属性和对象分类(SPOC)的算法，但正在寻求帮助改进它。

该机构已经将数千张来自火星的照片上传到Zooniverse，任何人都可以花几分钟对它们进行注释-当然，是在阅读完教程之后。在岩石、沙质地段等周围画形状听起来可能不那么困难，但你可能会像我一样，立即遇到麻烦。那是“大石头”还是“基岩”？它的宽度超过50厘米吗？它有多高？

到目前为止，该项目已经为它想要完成的近9000张图像中的大约一半贴上了标签(可能还会有更多)，如果你有几分钟的空闲时间，你可以帮助他们实现这个目标-不需要承诺。该网站现在有英文版本，西班牙语、印地语、日语和其他翻译版本即将推出。

对人工智能的改进可能会让漫游者不仅知道它可以开到哪里，还会知道失去牵引力的可能性和其他可能影响个人车轮放置的因素。这也让计划好奇号行动的团队变得更容易，因为如果他们对SPOC的分类有信心，他们就不需要花那么多时间仔细研究图像来重新检查它们。