Auf dem Mars gibt es wohl viele Höhlen. (Foto: ConceptCafe / Shutterstock)
Über den Mars gibt es noch viel zu lernen und maschinelles Lernen spielt dabei eine wichtige Rolle. Diese Technologie unterstützt die Forschung enorm, indem sie dafür eingesetzt wird, Höhleneingänge auf dem Mars zu identifizieren.
In solchen Höhlen besteht eine höhere Wahrscheinlichkeit, Anzeichen von (früherem) Leben zu finden. Darüber hinaus bieten Höhlen möglicherweise sichere Unterkünfte für zukünftige bemannte Marsmissionen.
Wenn Wissenschaftler wissen, wo sich Höhlen befinden, können sie besser entscheiden, wo die besten Landeplätze für zukünftige Mars-Missionen sind, um die Forschung effizient und sicher zu beginnen.
So arbeitet die KI
In einem Paper von Thomas Watson und James Baldini von der Durham Universität im Vereinigten Königreich wird erklärt, wie die KI funktioniert. Sie nutzt Bilder aus dem Mars Global Candidate Cave Catalogue, die von der Context Camera des Mars Reconnaissance Orbiters und der High-Resolution-Imaging-Science-Experiment-Kamera aufgenommen wurden.
Zuerst wird das Modell mit diesen Bildern trainiert, damit es lernt, wie Höhleneingänge aussehen. Nach dieser Trainingsphase ist es in der Lage, selbstständig in alten und neuen Bildern nach Eingängen zu suchen.
Für die erste Untersuchung wählten die Forscher fünf Regionen aus, die 1,1 Prozent der Marsoberfläche entsprechen. Einige dieser Regionen enthielten bereits manuell identifizierte Höhleneingänge, während andere in Gebieten mit hoher vulkanischer Aktivität lagen.
Viele der entdeckten Höhlen sind sogenannte Lavaröhren, die entstanden sind, als flüssige Lava herausfloss und runde Hohlräume zurückließ.
14 unglaubliche Bilder vom Mars
Effektivität lässt noch zu wünschen übrig
Die momentane Treffsicherheit der KI in der Marsforschung ist noch ausbaufähig. Die Forscher berichten, dass die KI aus über 10.000 positiven Ergebnissen 61 neue und 24 bereits bekannte Höhleneingänge identifiziert hat, was einer Trefferquote von nur 0,78 Prozent entspricht. Zudem hat der Algorithmus lediglich sieben Prozent der zuvor manuell identifizierten Eingänge erkannt.
Um die Effizienz des Modells zu verbessern, planen die Forscher, es mit einem umfangreicheren Datensatz zu trainieren, der auch Wärmebilder umfasst. Sobald eine ausreichende Genauigkeit erreicht ist, soll der Algorithmus dazu verwendet werden, auf dem gesamten Planeten Mars nach Höhleneingängen zu suchen.
