Национальное управление по воздухоплаванию и исследованию космического пространства (NASA) работает с огромными объемами различных данных, что неудивительно, учитывая специфику ведомства.
Причем объемы этих данных постоянно растут и NASA постоянно активно ищет новые решения для повышения эффективности обработки информации. Очередное такое решение любезно согласилась предоставить компания Intel. Говоря точнее, приобретенный процессорным гигантом в 2016 году стартап Nervana, специализирующийся как раз на машинном обучении и интеллектуальном анализе данных.
Как сообщает ресурс TechCrunch, разработанная Nervana система искусственного интеллекта провела для NASA соответствующий анализ и обработку 200 ТБ данных из переданных различными спутниками трехмерных изображений Луны. В результате специалистами удалось получить качественную карту лунной поверхности, решив трудности, связанные с детализацией лунных кратеров, расположенных в затененных областях.
Intel engineers team up with @NASA to support #AI and deep learning technologies for space exploration challenges. pic.twitter.com/qc8nvuoZBJ
— Intel AI (@IntelAI) August 17, 2017
Эти данные представляют огромную ценность для NASA, поскольку нужны для определения наиболее подходящих точек приземления луноходов будущих миссий и получения максимального количества солнечного света, необходимого для работы бортового оборудования. Более того, вполне вероятно, что в будущем станет реальность программа беспилотных луноходов, которые помогут составить более подробную карту лунной поверхности.
В беседе с TechCrunch управляющий менеджер Intel Навен Рао отметил, что объемы информации, которые собирает NASA, настолько огромны, что агентство уже не успевает ее обрабатывать. И здесь на помочь как раз приходят разработки высокотехнологических компаний вроде Intel.
Как отмечает сотрудник Intel, используя имеющиеся технологии компании, система обработала все данные по проекту за 2,5 недели. Система Nervana тратила по минуте на те задачи, которые у людей обычно отнимают от двух до трех часов. При этом точность обработки составила около 98,4%.
