Parmi les applications extraterrestres pour lesquelles AI sera utilisé, il produira de meilleures cartes de la surface de la lune. Inadversément, la direction d’un rover dans l’un des cratères est bien pire que de conduire sur un pothole sur l’autoroute Brooklyn-Queens.
Si une comète éloignée est sur le point d’entrer en collision avec la Terre, les scientifiques ne pourront le détecter qu’environ un an avant. Cela ne laisse pas beaucoup de temps à préparer.
Les chercheurs en intelligence artificielle croient qu’ils ont la clé pour fournir aux astronomes plus de prévoyance: des algorithmes d’apprentissage automatique qui peuvent identifier et regrouper plus rapidement les débris que les comètes quittent dans leur sillage. En accélérant l’analyse des pluies météorologiques, les chercheurs espèrent identifier les orbites des comètes distantes, mais potentiellement dangereuses. Ce projet est l’un des cinq explorés dans le cadre d’un programme de recherche pilote sur l’intelligence artificielle parrainé par la NASA.
Jeudi dernier lors d’un événement chez Intel, les participants aux accélérateurs de recherche du Laboratoire de développement de la frontière de la NASA ont présenté des résultats montrant comment l’intelligence artificielle peut accélérer les sciences spatiales. Le laboratoire, qui fait partie d’un effort de la NASA pour tester les eaux d’apprentissage de la machine, est géré par l’Institut SETI; Les ingénieurs de sociétés privées, notamment Intel, IBM, NVIDIA et Lockheed Martin, entre autres, ont contribué à soutenir les projets.
Des entreprises telles que Facebook et Google utilisent l’apprentissage par machine pour prédire les habitudes d’achat des personnes et les photos, mais jusqu’à présent, elle n’a pas été largement appliquée aux problèmes scientifiques fondamentaux, affirme Bill Diamond, PDG de l’Institut SETI. Grâce à Frontier Development Laboratory, qui vient de terminer sa deuxième année, la NASA explore les possibilités. Le laboratoire parraine de petits groupes de chercheurs en informatique et en sciences planétaires pour travailler sur des problèmes importants en science spatiale pendant deux mois chaque été.
Les scientifiques de la NASA dans le public étaient excités, mais sceptiques, des résultats du projet de détection de la comète. Les comètes de longue durée, dont les orbites les emmènent bien au-delà de Jupiter, sont trop éloignées pour observer directement. Ce que nous pouvons voir, c’est la preuve qu’ils laissent dans leur sillage. Un type d’indice est une pluie de météorites, qui se produit lorsque la Terre se déplace à travers les débris laissés par une comète. Les chercheurs du projet de la comète ont développé un algorithme de classification de l’image pour distinguer plus rapidement les météores des nuages, des lucioles et des avions (une tâche qui est généralement effectuée par les gens) et ensuite regrouper ces observations individuelles dans le temps. Ce faisant, ils ont pu attirer l’attention sur un groupe de pluies météorologiques précédemment non identifiées. Ces douches, selon le groupe, peuvent témoigner de comètes de longue période précédemment non détectées.
Le réseau de neurones, que le groupe a mis en place et testé au cours de deux mois, a convenu avec les classifications humaines des météores environ 90 pour cent du temps. Dans le projet pilote, le groupe a analysé environ un million de météores.
Certains critiques de la NASA dans le public voulaient voir plus de preuves que les météores détectés par le réseau de neurones n’étaient pas du bruit; D’autres voulaient plus de preuves que les météores étaient en fait des comètes, pas des astéroïdes ou d’autres sources. Le scientifique de projet Marcelo de Cicco, un astronome de l’Institut national national de métrologie, a déclaré qu’il y avait plusieurs prochaines étapes à suivre. « Nous voulons apprendre de ce que l’on peut voir et examiner ces orbites prédites, car maintenant nous n’avons rien », a-t-il déclaré.
D’autres projets avaient plus à faire. Un groupe a utilisé l’accélérateur d’apprentissage en profondeur d’Intel, appelé Nervana, pour améliorer la résolution des cartes de la lune. Cette équipe a également utilisé un réseau neuronal pour classer les images-cratères ou pas de cratère? Leurs résultats sont d’accord avec la classification de l’image humaine d’environ 98 pour cent du temps, soit environ cinq fois la précision des systèmes d’analyse d’image antérieurs. Le but du groupe est de fournir un reconfiguration afin que les futurs touristes lunaires ne tombent pas dans des cratères non colorés tout en cherchant de l’eau sur les pôles de la lune. Les pôles sont très ombragés, il est donc difficile de distinguer le cratère des ombres.
Deux équipes travaillant sur la prévision des fusées solaires – impulsions magnétiques qui peuvent causer des problèmes avec le réseau électrique, le GPS et d’autres systèmes – ont pris en charge IBM et Lockheed Martin. L’algorithme d’un groupe, appelé FlareNET, a surpassé le système existant de NOAA pour prédire les éruptions solaires. «Je ne sais pas qui a appris à NOAA à propos de ça», a déclaré James Parr, directeur du laboratoire de développement de Frontier.
« Les projets montrent comment AI peut croquer le flux de travail et faire quelques mois de travail dans quelques heures », explique Parr. Les scientifiques de la salle étaient enthousiasmés par les perspectives de poursuite de ces projets au-delà de la phase pilote et pour mettre en pratique les systèmes de détection et de prévision. Cependant, ni Diamond ni Parr ne pouvaient commenter si la NASA abordera et développera l’un des projets avant la session de l’été prochain.
La Source: http://bit.ly/2wgPOeA
