天文学者たちはロボットに月のクレーター10万個を数えさせた

もしロボットの反乱が起こったら、機械は不満のリストに新たな項目を追加するかもしれない。国際的な研究チームは、惑星科学者が決してやろうとも思わない、あるいは決してできないようなタスクを実行する機械学習アルゴリズムを開発した。

月の表面を数十億のピクセルに分割し、灰色の点がどのように関連しているかを丹念に学習した後、新しいアルゴリズムは、研究者によるとこれまでで最も広範な月のクレーターのデータベースを蓄積しました。これには、10万を超える月のくぼみが記載されています。この冷静なソフトウェアは、太陽系のこの一角の数十億年の歴史の汚れのない記録である、約2万のくぼみの年代を決定することさえできました。

「月で見るものは地球と似ていますが、地球には浸食作用があり、風や天候もあります」と、このプロジェクトに携わったイタリアのトレント大学の電気通信学教授ロレンツォ・ブルッツォーネ氏は言う。「月では、すべてが地球と同じ状態です。」

これまでのクレーターカタログの作成は、主に手作業で行われてきた。つまり、惑星科学者たちは単調なグレースケールの風景をフレームごとにじっくりと眺め、クレーターを数え、その形状、露出した地下層、そして（運が良ければ）アポロ宇宙飛行士が持ち帰った岩石の年代に基づいて、その年代を割り出してきたのだ。ブルゾーネ氏と同僚たちは、国際天文学連合（IAU）が過去1世紀にわたってまとめた約9,000個のクレーター（うち約1,700個は年代が判明）のリストである、ゴールドスタンダードデータベースのサブセットから始めた。

次に、代わりに機械にその作業を行うように教えました。しかし、機械学習は一種の暗黒の芸術であり、コンピューター科学者でさえ、特定のタスク (クレーターのカウントなど) に最適なアルゴリズムの種類を完全に理解しているわけではありません。つまり、この近道を見つけるのは簡単ではありませんでした。

研究チームは、畳み込みニューラル ネットワークと呼ばれる種類のプログラムに落ち着きました。これは、試行錯誤を繰り返してラベル付けされた画像 (「これらはクレーターです」) を調べ、物体の最も認識しやすい特徴を自動的に学習し、それを使用して画像 (「クレーター」または「クレーターではありません」) にラベル付けする手法です。ただし、畳み込みニューラル ネットワークの設定方法は多数あり、研究チームはさまざまな構成を試しましたが、それぞれをスーパーコンピューターで処理するには数日かかりました。

クレーターが何であるかを学習し、IAUのリストにある他の既知のクレーターを見つけることができるニューラルネットワーク構造にたどり着くと、研究チームはそれを使って、中国の嫦娥1号（CE-1）と嫦娥2号（CE-2）の月面の入手可能な最も鮮明なスナップ写真を研究した。CE-1の画像は直径150メートルほどの小さな特徴を解像し、CE-2の写真は7メートルまで解像したため、研究チームは実際には2つの関連するニューラルネットワークを設定した。1つはCE-1の画像でより大きなクレーターを識別し、次に2つ目のネットワークにCE-2の画像でより小さなクレーターを見つけるように「教える」ことができた。そのために、転移学習と呼ばれる手法が使用された。ブルゾーネ氏はこれを、指導者が後継者を訓練することに例えている。

「私には経験があり、誰かに教えています」と彼は言います。「そして、彼らはより新鮮な情報を持っているので、結果が改善されるかもしれません。」

最終的に、2つのネットワークは月の表面のほぼ全域をカバーする画像を精査し、1キロメートルの窪みから500キロメートルのカルデラまで、約11万7000個のクレーターを特定した。新しいデータベースには、他のデータベースの約15倍のクレーターが含まれていると著者らは述べている。彼らはその研究結果を月曜日にネイチャー・コミュニケーションズ誌に発表した。

プログラムは、これらの特徴のうち約 20,000 個に年代を割り当てるのに十分な自信があった。重なり合うクレーターを扱う場合、これは決して簡単なことではない。ネットワークが混乱してクレーターと数字をでっち上げないように、研究チームはクレーターをさまざまな既存のデータベースと照合し、さらに惑星科学者の複数のチームに、新たに特定されたクレーター数千個について、昔ながらの方法で年代を割り出すよう手配した (これには数か月かかった)。さまざまな基準で、機械の結果の精度は約 85 ～ 95 パーセントの範囲であった。

ブルゾーネ氏は、これは完璧ではないが、人間も完璧ではないと指摘する。まして、それぞれに欠点を抱えた何百人もの人間の共同作業は、なおさらだ。彼は、統一された文書化された方法でまとめられた広範な月のデータベースによって、惑星科学者が月の歴史を前例のないほど詳細に読み解くことができるようになると期待している。

「限られた数のクレーターに基づいて分析を行うと、全体像が見えなくなります」と彼は言う。「次のステップは、特定されたすべての新しいクレーターの意味を分析し、理解することです。」

彼はビッグデータ（アルゴリズムが 200 ギガバイトの画像をふるいにかけたこのプロジェクトのような）を惑星科学の強力な新ツールと見なしている。グループは適切な種類のニューラル ネットワークを構築する方法を解明したので、研究者が鮮明な画像を持っているケレスや火星などの他の惑星でも同様のことをしたいと考えている。月のネットワークを使って他の惑星を訓練することもできるかもしれないと、ブルゾーネは推測している。「確かにある程度の適応は必要でしょうが、ゼロから始める必要はないでしょう」と彼は言う。

機械が辛抱強く協力し続けてくれることを願っています。