火星探査車Curiosityは赤い惑星にそろそろ8年もいるが、旅の終わりはまだまだ見えないし、現在もアップグレードが行われている。あなたも自分の数分間をこのプロジェクトに捧げて、その地形走査AIのために生データのラベル付けをすることができる。
Curiosityは単独では走行しない。地球上のチームが火星から送られてくる画像を分析し、火星の動く科学研究所のために行路を指示している。しかしそのためには、岩や土、砂、その他の特徴がどこにあるかを正確に理解するために、画像を注意深く調べる必要がある。
これはまさに機械学習が得意とする作業だ。いろんな目立つ特徴のある画像を、正しいラベルを付けて大量に与えてやれば、ラベルのない画像の中に類似の特徴を見つけることができるようになる。
しかし人間の顔や、猫、犬といったラベルが付いた画像はすでに大量にあるが、火星の地表の画像に地形タイプのラベルを付けたデータは、まだ多くない。
NASA / JPLのAI研究者である小野雅裕氏はニューズリリースの中で次のように述べている。 「通常、数十万枚のサンプル画像があれば、ディープラーニングのアルゴリズムを訓練できる。例えば自動運転車のアルゴリズムは、道路や標識や信号、歩行者、その他の乗り物といった大量の画像で訓練される。一般に公開されているディープラーニング用のデータセットもあり、それらには人や動物、建物などが写っているが、火星の地形はない」。
そこでNASAはそんなデータセットを作るために、あなたの協力を求めている。
画像クレジット：NASA / JP
より正確に表現すれば、Soil Property and Object Classification（土壌の特性とオブジェクトの分類）と呼ばれるアルゴリズムはすでに存在しているが、彼らはその改善するための助けを求めているのだ。
NASAはすでに、市民科学プロジェクトのサイトであるZooniverseに数千枚の火星の画像をアップロードしており、事前にチュートリアルを読んで、誰もが数分でそれらに注記を付けることができる。岩や砂地などのまわりに、それらの輪郭線を描くことは簡単そうに思えるが、これは「大きな岩」だろうか、それとも「岩盤」か？幅は50cm以上あるが、高さはどれくらいなのか？すぐにいきづまることもある。
これまでのところ、目標の約9000枚のほぼ半分にラベルが付いた。画像は今後もっと増えるだろう。誰もが、暇な時間が数分間あれば協力することができる。責任や義務は発生しない。現在は英語版のみだが、近くスペイン語とヒンズー語、日本語などにも対応する。
AIが改良されれることにより、探査車は走行可能な場所だけでなく、トラクション（対地摩擦）を失いそうな場所が事前にわかり、車輪の配置を調節したりもできるだろう。SPOCの地形分類が正確なら、これまでのように人間が画像を何度もチェックする必要もなくなり、Curiosityの動きを計画しやすくなる。
このミッションのウェブページで、Curiosityの進捗状況に注目しよう。
関連記事：NASAでもリモートワーク、Curiosityチームが自宅から火星探査機を運用中
画像クレジット：NASA / JPL-Caltech
- Original:https://jp.techcrunch.com/2020/06/13/2020-06-12-you-can-help-a-mars-rovers-ai-learn-to-tell-rocks-from-dirt/
- Source:TechCrunch Japan
- Author:Devin Coldewey
Amazonベストセラー
Now loading...