Blog
人工知能・AIブログ

2020年7月3日

AI(人工知能)事例集 vol.204 火星探査におけるAIの活用と課題

探査機マーズ・ローバー・キュリオシティは8年前から火星に滞在しています。数分かけてデータにラベルを付けて、地形をスキャンするAIに供給することで、キュリオシティを支援しているといいます。

機械学習で火星探査機からの画像を精査する

キュリオシティは単独では航行しているわけではありません。火星から戻ってくる画像を分析する地球上の人々のチームが存在します。しかし、そのためには、岩石や土、砂などがどこにあるのかを正確に把握するために、画像を精査する必要があります。

これはまさに機械学習システムが得意とする作業です。顕著な特徴が明確にラベル付けされた画像をたくさん与えれば、機械学習システムはラベル付けされていない画像の中から類似した特徴を見つけることを学習します。

AIの訓練における課題

問題は、顔、猫、車などの画像のデータセットはたくさんあるものの、火星においてはそうはいかないという点です。

「一般的に、ディープラーニングアルゴリズムを訓練するためには、何十万ものデータが必要です。例えば、自動運転車のアルゴリズムは、道路、標識、信号機、歩行者、その他の車両の多数の画像を用いて訓練されます。ディープラーニングのために公開されている他のデータセットには、人や動物、建物などが含まれていますが、火星の風景はそこには含まれていません」と、NASA/JPLのAI研究者であるヒロ・オノ氏はニュースリリースで述べています。

彼らはすでに土壌のプロパティとオブジェクトの分類、またはSPOCと呼ばれる火星の地形分類アルゴリズムを持っていますが、それを改善するための支援を求めているといいます。機関はZooniverseに何千もの火星からのイメージをアップロードし、誰でもそれらに注釈を付けることができるそうです。

これまでのところ、このプロジェクトでは約9,000枚の画像のうち、約半分の画像にラベルを付けています。このサイトは現在英語で利用可能で、スペイン語、ヒンディー語、日本語、その他の翻訳も予定されているとのことです。

AIの改良により、ローバーはどこで運転できるかだけでなく、トラクションを失う可能性や、個々のホイールの配置に影響を与えるその他の要因を知ることができるようになるかもしれません。また、キュリオシティの動きを計画するチームにとっても、自信をもってSPOCの分類ができれば、画像を確認する時間を削減することができるといいます。

【考察】火星の研究におけるAIの役割と、人々の支援

AIにより自動的に地形を読み取ることができれば、研究者たちにとって大いに時間の節約となり、研究に注力することができます。

ただし、ディープラーニングアルゴリズムを訓練するのに必要とされる、ラベル付けされた画像のアーカイブの不足が課題となっています。そこで火星の地形の種類をラベル付けするオンラインツールを使って支援が呼びかけられています。

人々の支援があれば、AIの活用度が更に高まり、今後の火星探査において大きな功績を生み出すかもしれません。

参照元:You can help a Mars Rover’s AI learn to tell rocks from dirt

※当サイトに掲載されている一部画像、スクリ-ンショット、文章に置いては著作権侵害を目的に利用しておらず、第三十二条で定められる引用の範囲で使用しています。万が一問題があればお問い合わせからご連絡ください。即刻削除いたします。また、本ブログは業務の研究開発のためのものとなり、一部、弊社に関連性が無いものも掲載しております。

Contact

お問い合わせ

人工知能・AIに関してのお問い合わせは
フォームまたはお電話にて。
フォームに必要事項をご入力の上、
「送信」ボタンを押してください。
担当者より、
回答・返信させていただきます。

人工知能・AI

すべての項目が入力必須となります。

名前
貴社名
メールアドレス
電話番号
ご予算
お問い合わせ内容

NAGOYA

名古屋オフィス

愛知県名古屋市中区丸の内1-17-19
キリックス丸の内ビル 5F

TEL:052-253-9866

Map view

TOKYO

東京オフィス

東京都千代田区神田錦町1-21-2
大手町モダンビルディング 4F

TEL:03-3525-8640

Map view