I ricercatori della NASA hanno lavorato duramente su un sistema pilota di intelligenza artificiale destinato ad aiutare le future missioni esplorative a trovare prove della vita su altri pianeti del nostro sistema solare. Gli algoritmi di apprendimento automatico aiuteranno i dispositivi di esplorazione ad analizzare i campioni di suolo su Marte e a restituire i dati più rilevanti alla NASA. Il programma pilota è attualmente previsto per un test durante la missione ExoMars che vedrà il suo lancio a metà del 2022.
Come riporta IEEE Spectrum , la decisione di utilizzare l’apprendimento automatico e l’intelligenza artificiale per aiutare la ricerca della vita su altri pianeti è stata guidata in gran parte da Erice Lyness, capo del Goddard Planetary Environments Lab della NASA. Lyness doveva trovare il modo di automatizzare aspetti delle analisi geochimiche dei campioni prelevati in altre parti del nostro sistema solare. Lyness ha deciso che l’apprendimento automatico potrebbe aiutare ad automatizzare molti dei compiti che le imbarcazioni da esplorazione come i rover su Marte devono svolgere, tra cui la raccolta e l’analisi di campioni di suolo marziano.
Il rover ExlanMars Roslanind Franklin sarà in grado di perforare almeno due metri di profondità nel suolo marziano. A questa profondità, tutti i microbi che vivono lì non saranno stati uccisi dalla luce UV del sole. Ciò consente al rover di trovare batteri viventi. Anche se non viene trovato alcun campione di batteri viventi, è possibile che il trapano possa trovare prove fossilizzate della vita su Marte, trattenute da epoche precedenti quando il pianeta era più ospitale per la vita. I campioni che il trapano del rover trova saranno dati a uno strumento chiamato spettrometro di massa ai fini dell’analisi.
Lo scopo dello spettrometro di massa è studiare la distribuzione della massa negli ioni trovati all’interno di un dato campione. Ciò si ottiene utilizzando un laser sul campione del suolo, che libera le molecole nel campione del suolo e quindi calcola la massa atomica dalle diverse molecole. Questo processo produce uno spettro di massa, che i ricercatori analizzeranno per discernere il motivo per cui potrebbero verificarsi i modelli di picchi che stanno vedendo nello spettro. C’è comunque un problema con gli spettri generati dallo spettrometro di massa. Vari composti producono un’ampia varietà di spettri diversi. È un puzzle per analizzare uno spettro di massa e determinare quali composti sono all’interno del campione, ma gli algoritmi di apprendimento automatico potrebbero essere di aiuto.
I ricercatori stanno studiando un minerale chiamato montmorillonite. La montmorillonite si trova comunemente nel suolo marziano e i ricercatori mirano a capire come il minerale potrebbe manifestarsi all’interno di uno spettro di massa. Il team di ricercatori include campioni di montmorillonite per vedere come cambia l’output dello spettrometro di massa, fornendo loro indizi su come appare il minerale all’interno di uno spettro di massa. Gli algoritmi AI aiuteranno i ricercatori a estrarre modelli significativi dallo spettrometro di massa.
Come Lyness è stato citato da IEEE Spectrum:
“Potrebbe volerci molto tempo per abbattere davvero uno spettro e capire perché stai vedendo picchi in certe [masse] nello spettro. Quindi, qualsiasi cosa tu possa fare per indirizzare gli scienziati verso una direzione che dice: “Non preoccuparti, so che non è questo tipo di cose o quel tipo di cose”, possono identificare più rapidamente cosa c’è dentro “.
Secondo Lyness, la missione ExoMars sarà un eccellente caso di test per gli algoritmi AI progettati per aiutare a interpretare gli spettri di massa generati dai campioni.
Esistono altre potenziali applicazioni per l’intelligenza artificiale e l’apprendimento automatico nel campo dell’astrobiologia. Il drone Dragonfly , e potenzialmente un’altra futura missione, opererà più lontano dalla Terra e in ambienti più difficili e richiederà l’automazione degli aspetti della navigazione e della trasmissione dei dati.
