Изборът на място за кацане и изграждане на лунна колония зависи от редица фактори, включително и от наличието на лед, минерали и други полезни ресурси. Но изучаването на снимките, направени от различните телескопи с невъоръжено око е трудно и не винаги е ефективно. Международен екип от учени започна да използва машинно обучение за автоматично търсене и класифициране на лунните особености.
Учени от университета KAUST в Саудитска Арабия заедно с изследователи от Хонконг обучиха алгоритми с елементи на изкуствен интелект да търсят в снимките на повърхността на Луната специфични кратери и бразди, където има находища на уран и хелий-3, необходим за създаването на управляема термоядрена реакция от нов тип.
Машинното обучение е изключително ефективен метод за разпознаване на определени закономерности в изображенията независимо дали са медицински или астрономически. Но за самото обучение на изкуствения интелект са необходими проверени данни, при това колкото се може повече. Досега подобни данни за лунната повърхност нямаше.
Този проблем е преодолян чрез създаването на собствен тренировъчен комплект от данни с анотации на кратери и каньони. Вече са създадени големи бази данни с необходимото високо качество. Другият проблем е създаването на подходящи изчислителен метод, който може да се използва за едновременната идентификация на кратерите и каньоните. Досега никой не е правил нищо подобно. За да може в тази база данни с голяма точност да бъдат нанесени кратери и каньоните от повърхността на Луната е създадена платформа за дълбоко машинно обучение с две невронни мрежи с еднаква архитектура, които обработват снимките пиксел по пиксел.
Точността на този модел е на ниво 83,7%, което е много повече от всичко постигнато досега.