มาช่วย NASA ฝึก AI วิเคราะห์ภาพจากยาน MRO หาเมฆบนดาวอังคารกันเถอะ

ข้อมูลการสำรวจอวกาศนับวันยิ่งวิเคราะห์ได้ช้าลงเรื่อย ๆ เนื่องจากปริมาณของข้อมูลอันมหาศาลที่ถูกป้อนเข้ามายังฐานข้อมูลการสำรวจทุกวันนั้นเยอะเกินไปที่นักวิทยาศาสตร์ของ NASA จะสามารถวิเคราะห์ได้หมด หากถามว่าช้าแค่ไหนก็อาจนานเป็นทศวรรษเลยทีเดียวเนื่องจากทุกวันนี้ยังคอยมีงานวิจัยตีพิมพ์จากข้อมูลสำรวจอวกาศเก่าออกมาอยู่เรื่อย ๆ

จึงเป็นเหตุให้ NASA ต้องหาวิธีการที่จะวิเคราะห์ข้อมูลการสำรวจอวกาศให้ได้เร็วกว่านี้ หนึ่งในวิธีที่น่าจะง่ายที่สุดด้วยเทคโนโลยีปัจจุบันนั้นก็คงจะหนีไม่พ้นการใช้ Machine Learning (ML) เข้ามาช่วย ด้วยการฝึก Model ML ให้มันสามารถทำงานที่เราต้องการได้ ยกตัวอย่างเช่น การหาหลุมอุกกาบาตบนพื้นผิวดาวอังคาร เราก็สามารถฝึก Model ให้มันรู้ว่าอันไหนคือหลุมอุกกาบาต อันไหนไม่ใช่ แล้วทดสอบ เมื่อความแม่นยำของมันมากพอเราจึงค่อยไปใช้จริง

อ่านบทความ JPL พัฒนา AI ที่สามารถตรวจจับหลุมอุกกาบาตบนดาวอังคารจากข้อมูลของยาน MRO ได้

แล้วใครเป็นคนฝึก AI? ก็มนุษย์นี่แหละ เราเรียกการฝึกแบบนี้ว่า Supervised Learning ด้วยการบอก Model ว่า เห้ย อันนี้คือ A นะ อันนู้นคือ B นะ แล้วทดสอบมัน ถ้ามันบอกว่า A คือ A เราก็บอกว่าถูก แต่ถ้ามันบอกว่า A คือ B เราก็จะต้องไปบอกมันว่านี่ไม่ใช่ B แต่เป็น A เพื่อให้มันเรียนรู้ว่าอ๋อ อันนี้คือ A นี่หว่า (Data Labeling)

NASA ได้เปิด Platform ชื่อ Cloudspotting on Mars ให้ใครก็ได้เข้ามาช่วย NASA ดูภาพถ่ายจากยาน Mars Reconnaissance Orbiter (MRO) เพื่อหาเมฆในชั้นบรรยากาศของดาวอังคาร ซึ่งจะถือเป็นการช่วยนักวิทยาศาสตร์ของ NASA ให้ไม่ต้องมานั่ง Label ข้อมูลแต่เอาเวลาไปทำงานวิจัยหรือทำการวิเคราะห์ต่าง ๆ ได้เลย รวมถึงสามารถเอา Dataset ที่ถูก Label แล้วไปฝึก Model Machine Learning ได้เลย โดยโครงการนี้มีข้อมูลยาวนานกว่า 16 ปีตั้งแต่ปี 2006 ที่ยังไม่ถูกวิเคราะห์

ภาพแสดงการทำงานของ Mars Climate Sounder บนยาน MRO – ที่มา NASA

หน้าที่ของเราก็คือการหา Arch หรือ เส้นโค้งซึ่งก็คือเมฆในภาพถ่าย Infrared จากอุปกรณ์ Mars Climate Sounder ของยาน MRO

โดยภาพที่ได้จาก MRO นั้นเป็นภาพ Infrared ของชั้นบรรยากาศของดาวอังคารขณะที่มันกำลังโคจรรอบดาวอังคาร เมฆในภาพถ่ายพวกนี้จะมีลักษณะเป็นเส้นโค้งที่มีช่องวางตรงกลางแล้วมียอดอยู่ข้างบน ซึ่งตรงยอดก็คือเมฆนี่เอง ที่เกิดภาพแบบนี้เป็นเพราะว่าเมื่อ MRO ค่อย ๆ โคจรผ่านเมฆนั้น เมฆมันก็จะค่อย ๆ อยู่สูงขึ้นเรื่อย ๆ เมื่อมองจาก MRO ทำให้ข้อมูล Infrared ที่ได้เกิดเป็นเส้นโคงขึ้นมาก่อนที่เมฆมันจะลับขอบฟ้าไปแล้วเส้นโค้งนี้จึงตกลงมา

หลักการทำงานของอุปกรณ์ Mars Climate Sounder – ที่มา NASA

หน้าที่ของเราก็คือการ Mark จุดยอดต่าง ๆ ของ Arch เหล่านี้ ซึ่งก็คือเมฆให้ NASA โดยเส้นโค้งนี้ไม่ใช่เป็นเส้นโค้งแบบไหนก็ได้แต่มันจะต้องมีสองขาและมีช่องว่างตรงกลางด้วยถึงจะเรียกว่า Arch โดย Arch พวกนี้บางทีอาจจะเห็นไม่ชัด จึงสามารถเปลี่ยน Frame ของภาพเพื่อหา Arch ที่อาจซ่อนอยู่ได้

ตัวอย่างการหาเมฆในโครงการ Cloudspotting on Mars – ที่มา NASA

ซึ่งบางภาพถ่ายนั้นอาจมี Arch เหล่านี้มากถึง 10 อัน นอกจากนี้มันอาจจะซ้อน ๆ ทับกันก็ได้ หรือบางภาพก็อาจไม่มีเลย เช่น ภาพที่เป็นเส้นโค้งธรรมดา ๆ ที่ไม่มีช่องว่างระหว่างเส้นโค้ง

ภาพถ่ายจากยาน MRO แสดงให้เห็นท้องฟ้าที่ไม่มีเมฆเลย – ที่มา NASA

หากใครอยากเข้าไปลองเล่นสามารถเข้าไปลองได้ที่ Cloud Spotting on Mars เลย เท่านี้เวลาว่างเราก็สามารถช่วยงานนักวิทยาศาสตร์ได้แล้ว โดยข้อมูลเมฆเหล่านี้จะถูกนำไปวิเคราะห์เพื่อหาสาเหตุว่าน้ำบนดาวอังคารหายไปไหนหมด

เรียบเรียงโดย ทีมงาน SPACETH.CO

อ้างอิง

Help NASA Scientists Find Clouds on Mars

Cloud Spotting on Mars

Chief Science | A 20-year-old biologist with a passion for space exploration, science communication, and interdisciplinarity. Dedicated to demystifying science for all - Since 2018.