Исследование, проведённое учёными из Юго-западного научно-исследовательского института, выявило значительные расхождения в точности каталогов лунных кратеров, созданных с помощью искусственного интеллекта. Учёные сравнили восемь автоматических каталогов с эталонным вручную составленным набором данных и обнаружили, что заявленные показатели качества существенно снижаются при проверке по единым научным критериям.
Каталоги кратеров представляют собой важный инструмент планетологии, поскольку фиксируют положение, размеры и характеристики ударных структур на поверхности небесных тел. На Луне кратеры являются доминирующей геологической формой, а их плотность используется для оценки возраста поверхности: чем больше кратеров, тем старше участок. Этот метод позволяет восстанавливать геологическую историю объектов Солнечной системы.
Автоматическое выявление кратеров с помощью методов искусственного интеллекта и машинного обучения рассматривается как перспективный способ ускорения анализа данных, который ранее требовал многолетней ручной работы. Однако новое исследование показывает, что такие системы пока не всегда соответствуют требованиям научной точности.
По словам ведущего автора исследования, доктора Стюарта Дж. Роббинса, искусственный интеллект обладает большим потенциалом для ускорения рутинных научных задач, однако нельзя считать автоматически созданные каталоги готовыми для научного использования только на основании опубликованных показателей качества.
В ходе работы исследователи проверили восемь крупных каталогов, созданных автоматическими методами, сравнив их с тщательно подготовленной вручную базой данных лунных кратеров. Оценка проводилась по единым критериям, учитывающим точность положения и размеров кратеров, что критически важно для планетологических расчётов.
Учёные установили, что результаты сильно зависят от того, как именно определяется совпадение кратеров. Даже небольшие ошибки в координатах или размерах могут существенно искажать научные выводы. Например, дублирование кратеров или их смещение приводит к неверной оценке возраста поверхности, поскольку этот возраст определяется по числу ударных структур.
Исследование также показало, что усреднённые показатели могут скрывать серьёзные ошибки в данных. Некоторые каталоги демонстрируют приемлемую точность для крупных кратеров, но значительно хуже работают при анализе мелких структур, что ограничивает их научную применимость.
Авторы подчёркивают, что их работа не является критикой использования искусственного интеллекта в планетологии. Напротив, они считают, что автоматизация способна значительно ускорить научные исследования, но требует строгой стандартизации методов оценки и прозрачных критериев проверки качества данных.
Учёные отмечают, что только при наличии единых стандартов и независимой проверки искусственный интеллект сможет стать надёжным инструментом для создания научных каталогов. В противном случае существует риск получения формально точных, но научно некорректных результатов.
Исследование опубликовано в журнале The Planetary Science Journal.