Clasificación de rocas espaciales mediante inteligencia artificial
El trabajo de los científicos de inteligencia artificial al crear un modelo de este tipo consiste en enseñar a la máquina a alcanzar el objetivo. Para la investigación de rocas espaciales, el objetivo es que el sistema de clasificación tenga una precisión del 100 %. El 100 % parece imposible para los seres humanos. Sin embargo, cuando los científicos integran las máquinas y la inteligencia artificial con sus otras técnicas de investigación, el objetivo está a su alcance.
Con un modelo de inteligencia artificial, a menudo se implementan los mismos pasos del proceso humano, o unos similares, para lograr el objetivo. El científico enseña a la máquina mediante la creación del modelo. Esta aprende repitiendo el proceso del modelo. Cada iteración del modelo produce más datos. Cuantos más datos se recopilen y analicen, más precisión ofrecerá la máquina al realizar las predicciones.
Para nuestro modelo de inteligencia artificial, comenzaremos con los pasos que realizaría un humano para examinar y clasificar rocas. Enseñaremos a la máquina a seguir estos pasos. Una vez que esta ejecute el modelo y genere datos de análisis, podrá predecir con precisión el tipo de roca a partir de datos nuevos.
Paso 0: Obtención de los datos
Un paso de preparación consiste en importar datos de imagen. También necesitamos obtener las bibliotecas para ayudar a procesar los datos en la máquina que entrenaremos. La máquina transformará las imágenes en matrices de números para que estén en un formato que pueda leer.
Paso 1: Extracción de las características
A partir de las fotos de rocas (datos) que proporcionamos, el equipo extraerá características como la textura, el tamaño, el color y los bordes. Los científicos usan la intuición y la experiencia para especificar las características que se deben buscar.
Paso 2: Búsqueda de asociaciones
El equipo realiza asociaciones entre características de la imagen y los tipos de roca. Las máquinas pueden ser mejores que los humanos en la tarea de detectar detalles sutiles, ya que hay muchas asociaciones que realizar.
La máquina creará una red que podrá realizar un seguimiento de millones de asociaciones.
Paso 3: Predicción de los tipos
La máquina extraerá las características de roca definidas de una nueva foto. Usará asociaciones entre los datos existentes y los datos de la nueva foto para predecir de qué tipo de roca se trata.