这篇AI论文首次在外太空中部署了一个轻量级的基础模型
这篇AI论文在外太空首次部署了轻量级基础模型
太空技术日益发展。不同研究团队一直在努力在外层空间建立机器学习和人工智能模型，这些模型将影响太空研究。收集到的数据提供了有关航空制图、天气预测和森林砍伐的信息。这些卫星收集数据，但无法通过数据处理技术对数据集进行处理。因此，这些卫星无法获取自然灾害等快速事件。
为了解决这些问题，研究人员在太空中训练了可以处理这些数据的机器学习模型。研究人员在早期阶段训练了更简单的模型，这些模型直接在太空中训练时便能够检测到云层覆盖，而不是在地面上训练。这种训练方法被称为few-shot learning或主动学习。这种方法选择了训练模型所需的最重要的特征。因此，它被称为few-shot learning。这种模型相对于其他模型的主要优点是，正在收集的数据可以转换为较小的维度，使模型更快速和有效。这种模型属于计算机视觉模型。该模型的训练部分包括将重要的值组合成向量形式。该模型的目标是检测云层是否存在。这导致了一个分类模型的训练。
该模型广义上分为两个部分。模型的第一部分是收集图像并在地面上对其进行训练，而模型的第二部分则根据二元分类对模型进行分类，这给我们提供了有关云层覆盖情况的信息。第二部分在卫星上进行训练。训练需要进行数轮的迭代训练。另一方面，该团队的小模型只需要1.5秒完成训练。研究人员还表示，该模型自动适用于各种形式的数据。研究人员仍在研究不同类型的模型，这些模型可以处理不同的兴趣变化。
研究人员仍在研究一种能够解决包含高光谱卫星图像的复杂数据集的模型。在这项研究中，模型的性能参数，如召回率、精确率和F1分数，非常高。这些场景在地球周围和深空中提供了增加的太空研究机会。研究人员正在利用人工智能的新兴技术探索深空。
