NASA araştırmacısının AI ‘gözü’ robotik veri toplamaya yardımcı olabilir

Alışılmadık veriler hakkında gerçek zamanlı kararlar vermek söz konusu olduğunda (örneğin, daha önce hiç tırmanmadığınız bir dağa tırmanmak için bir yol seçmek gibi) mevcut yapay zeka ve makine öğrenimi teknolojisi, insan becerisini ölçmeye yaklaşamıyor. Bu nedenle NASA bilim adamı John Moisan, bir yapay zeka “gözü” geliştiriyor.

NASA’nın Virginia, Chincoteague yakınlarındaki Wallops Uçuş Tesisinde bir oşinograf olan Moisan, yapay zekanın hareketli bir sensör olan A-Eye’ını yöneteceğini söyledi. Görüntüleri analiz ettikten sonra, yapay zekası yalnızca yeni verilerde bilinen kalıpları bulmakla kalmayacak, aynı zamanda sensörü yeni özellikleri veya biyolojik süreçleri gözlemlemek ve keşfetmek için yönlendirecektir.

Moisan, “Gerçekten akıllı bir makinenin, gerçekten yeni ve daha fazla gözlemlenmeye değer bir şeyle karşılaştığında bunun farkına varabilmesi gerekir.” Dedi. “Yapay zeka uygulamalarının çoğu, yeni verilerdeki kalıpları tanımak için tanıdık verilerle eğitilmiş uygulamaların haritasını çıkarıyor. Bir makineye anlamadığı bir şeyi tanımasını nasıl öğretirsiniz, durup ‘Bu da neydi? Haydi daha yakından bakalım’ deyin. Bu keşif.”

Goddard AI uzmanı James MacKinnon, karmaşık verilerde yeni kalıplar bulma ve tanımlamanın hala insan bilimcilerin alanı olduğunu ve insanların nasıl gördüğünün büyük bir rol oynadığını söyledi. Bilim adamları, verilerdeki farklı değişkenler arasındaki ilişkileri ortaya çıkarmaya yardımcı olabilecek görselleştirmelere bakarak büyük veri kümelerini analiz eder.

MacKinnon, bu bağlantıları görmek için bir bilgisayarı büyük veri akışlarına gerçek zamanlı olarak bakacak şekilde eğitmenin başka bir hikaye olduğunu söyledi. Özellikle de bilgisayarın tanımlayacak şekilde eğitilmemiş olduğu verilerde korelasyonlar ve karşılıklı ilişkiler ararken.

Moisan ilk önce A-Eye’ını Dünya’nın karmaşık su ve kıyı bölgelerinden gelen görüntüleri yorumlamaya ayarlamayı planlıyor. Delmarva Yarımadası üzerindeki önceki uçuşlardan elde edilen gözlemleri kullanarak yapay zekayı eğiterek bu hedefe bu yıl ulaşmayı umuyor. Takip finansmanı, optik işaretleme hedefini tamamlamasına yardımcı olacaktır.

“Bir taramada önemli olan şeyleri nasıl seçersiniz?” diye sordu. “A-Gözünü taramada süpürülen bir şeye hızlıca doğrultabilmek istiyorum, böylece uzak bir bölgeden çevresel sahneyi anlamak için ihtiyacımız olan her şeyi elde edebiliriz.”

Moisan’ın yerleşik yapay zekası, önemli özellikleri aramak için toplanan verileri gerçek zamanlı olarak tarar, ardından kızılötesi ve diğer frekanslarda daha ayrıntılı veriler toplamak için bir optik sensörü yönlendirir.

Düşünen makineler, evrenimizin gelecekteki keşfinde daha büyük bir rol oynayacak şekilde ayarlanmış olabilir. Yaşam süreçlerini veya lav akışları veya kraterler gibi peyzaj özelliklerini gösterebilecek kimyasal imzaları tanımayı öğreten gelişmiş bilgisayarlar, ay veya derin uzay araştırmalarından döndürülen bilim verilerinin değerini artırmayı teklif edebilir.

MacKinnon, günümüzün en gelişmiş yapay zekasının görev açısından kritik kararlar almaya pek hazır olmadığını söyledi.

“Bir sahnenin algısını alıp bunu bir karara dönüştürmek için bir yola ihtiyacınız var ve bu gerçekten zor” dedi. “Bir bilim insanı için korkutucu olan şey, değerli olabilecek verileri çöpe atmaktır. Bir yapay zeka, önce hangi verilerin gönderileceğine öncelik verebilir veya anormalliklere dikkat çekebilecek bir algoritmaya sahip olabilir, ancak günün sonunda, keşiflerle sonuçlanan verilere bakan bir bilim adamı olun.”