Новый лунный ИИ снизил ошибку на карте условий для льда на 22%

Как объединить фотографии Луны, рельеф, температуру, радарные данные и химический состав, не создавая новый алгоритм для каждого вопроса? NASA и IBM выпустили фундаментальную модель — предварительно обученную систему, которая осваивает повторно используемые представления. Команды могут адаптировать ее для картирования кратеров, небольших вулканических форм или условий, благоприятных для сохранения льда. Модель, подготовленные данные и код открыты для проверки.

Для обучения использовали 963 609 наборов, привязанных к мультиспектральным снимкам широкоугольной камеры Lunar Reconnaissance Orbiter с разрешением около 100 метров на пиксель, и 1 000 113 наборов, привязанных к снимкам узкоугольной камеры с разрешением около 1 метра на пиксель. Каждый набор объединяет продукты, совмещенные для одного участка. Всего система получила 11 модальностей: изображения, рельеф, контекст других приборов и углы освещения, которые сильно меняют вид лунной поверхности.

После предварительного обучения исследователи адаптировали один и тот же зрительный кодировщик к четырем тестам: поиску кратеров в двух масштабах, сегментации небольших вулканических образований — нерегулярных морских пятен — и воспроизведению карты перспективности полярного льда. Данные, разбиения, преобразования и метрики были одинаковы для лунной модели и архитектур сравнения. Средние рассчитали по пяти начальным случайным состояниям обучения, чтобы увидеть разброс, возникающий только из-за инициализации.

Самый большой разрыв появился на полярной карте. Корень из средней квадратичной ошибки, сильнее наказывающий крупные отклонения и считающийся тем лучше, чем он ниже, уменьшился с 0,0377 ± 0,0004 у лучшей базовой модели до 0,0293 ± 0,0013 у лунной — примерно на 22% относительно исходного значения. Однако целью была карта, рассчитанная по экологическим признакам, а не наблюдаемый лед. При поиске крупных кратеров с половиной размеченных данных средняя агрегированная точность выросла с 0,2313 ± 0,0027 до 0,2541 ± 0,0018. В тестах метровых кратеров и вулканических пятен лидеров сочли сопоставимыми: разница была меньше разброса между запусками.

Переносу между задачами помогают два решения. Система явно получает геометрию освещения, поэтому ей не приходится принимать тень за свойство рельефа. Входы разного разрешения сначала остаются в отдельных блоках, а затем их сигналы объединяются. В полярном тесте часть преимущества дала сама эта организация модальностей, остальное — предварительное обучение на Луне. Авторы пока не отделили экспериментально вклад всех элементов архитектуры.

Релиз дает инструмент для сравнения гипотез и быстрой сортировки больших архивов, а не автономного картографа для принятия решений миссии. У модели нет абсолютной геодезической системы отсчета, высокодетальное обучение охватывает лишь отдельные места, и система не проверена для сертификации посадок или оценки опасностей. Научная ценность будет зависеть от воспроизведения тестов внешними группами и от того, сохранятся ли преимущества на новых метках и приборных данных за пределами четырех оцененных наборов.