|
Обнаружены расхождения в каталогах лунных кратеров
|
|
|
|
Новое исследование, проведенное под руководством Юго-западного исследовательского института, сравнило восемь каталогов лунных кратеров, созданных с помощью ИИ, и обнаружило, что многие из опубликованных показателей их эффективности резко снижаются при оценке баз данных с использованием тех же научных стандартов, которым следуют люди. Каталоги кратеров представляют собой исчерпывающую запись ударных кратеров на поверхностях планет. Они регистрируют точное местоположение, размеры и физические характеристики ударных структур, помогая ученым понять геологическую историю Солнечной системы и ее компонентов.
|
|
|
|
Ударные кратеры являются доминирующей геологической особенностью на Луне и многих других твердых мирах. Ученые оценивают возраст поверхностей планет, подсчитывая ударные кратеры. Поскольку небольшие астероиды падают с примерно постоянной скоростью, поверхности с большим количеством кратеров старше, чем поверхности с меньшим их количеством. Измеряя размеры кратеров и их пространственную плотность, а также зная, как часто образуются кратеры, исследователи могут оценивать возраст поверхностей миров по всей Солнечной системе.
|
|
|
|
Соответственно, ученые используют каталоги кратеров для реконструкции геологической истории и изучения эволюции поверхностей планет. Автоматическое обнаружение кратеров — с использованием искусственного интеллекта и машинного обучения — может сэкономить исследователям годы кропотливой ручной работы и помочь решить проблемы, которые иначе невозможно решить за всю жизнь.
|
|
|
|
|
|
|
«Искусственный интеллект обладает огромным потенциалом для помощи в выполнении повторяющихся, трудоемких научных задач, особенно в сборе некоторых данных», — сказал доктор Стюарт Дж. Роббинс из Отдела науки и исследования Солнечной системы SwRI в Боулдере, штат Колорадо, и ведущий автор исследования. «Но наш анализ показывает, что исследователям не следует предполагать, что созданный с помощью ИИ каталог кратеров готов к научному использованию исключительно на основании опубликованных показателей».
|
|
|
|
Тестирование каталогов ИИ по сравнению с человеческими стандартами
|
|
|
|
В исследовании «Сравнение баз данных лунных кратеров на основе ИИ с использованием единых критериев» сравнивались восемь глобальных или широкомасштабных каталогов лунных кратеров, созданных с использованием автоматизированных методов. Роббинс и его соавтор, доктор Рэйчел Х. Хувер, также из SwRI, сравнили каждую базу данных с большим, составленным вручную каталогом лунных кратеров, на создание которого у Роббинса ушли годы, применяя одни и те же критерии сопоставления к каждому каталогу ИИ.
|
|
Когда сопоставление кратеров не удается
|
|
|
|
Команда обнаружила, что производительность сильно зависит от того, как определяется «соответствие» кратера. Кандидаты в кратеры должны находиться в нужном месте и иметь точные размеры, чтобы быть полезными для многих приложений планетологии. Некоторые распространенные метрики компьютерного зрения могут сделать автоматическое обнаружение приемлемым, даже если размер или местоположение кратера научно неточны.
|
|
|
|
«Каталог кратеров — это не просто случайный список кругов», — сказал Роббинс. «Если кратер смещен, дублируется или имеет неправильный размер, это может повлиять на научные данные, зависящие от этих показателей. Например, если для поверхности с модельным возрастом в 1 миллион лет требуется определенное количество кратеров, и ИИ случайно дублирует эти кратеры, то внезапно модель удвоит прогнозируемый возраст поверхности».
|
|
|
|
Команда применила более строгие критерии, основанные на повторяемости результатов ручного анализа кратеров. Почти все базы данных с опубликованными показателями показали худшие результаты, чем сообщалось, причем некоторые значения снизились более чем в 10 раз. Исследование также показало, что отдельные сводные показатели могут скрывать недостатки в данных. Некоторые базы данных показали относительно хорошие результаты для определенных размеров кратеров, но плохие для других.
|
|
|
|
«Зависимость от диаметра имеет значение», — сказал Роббинс. «Каталог может выглядеть приемлемым с точки зрения одного общего числа, но если разбить его по размеру кратера, он может быть полезен для одного вопроса, но ненадежен для многих других».
|
|
|
|
Контрольные показатели перед более широким внедрением
|
|
|
|
Исследователи подчеркнули, что данное исследование не является аргументом против использования ИИ в планетологии. «Наша работа подчеркивает необходимость следующего шага — стандартизации контрольных показателей, включая прозрачное представление критериев соответствия и независимую проверку, чтобы созданные ИИ каталоги могли быть должным образом использованы для научного анализа», — подчеркнул Хувер.
|
|
|
|
«ИИ в конечном итоге может преобразовать каталогизацию кратеров и революционизировать способы сбора научных данных, потенциально сэкономив годы времени», — добавил Роббинс. «Пока исследователям не следует гнаться за ним как за решением всех проблем. Нам нужно понять, как работают эти инструменты, в чем их недостатки и достаточно ли хороша их производительность для поддержки проводимых научных исследований».
|
|
|
|
Источник
|
