Coelum Astronomia 251 - 2021 - Page 71

Sotto. Situato in Arcadia Planitia, questo piccolo cratere da impatto marziano sfoggia anelli concentrici multipli che sfuggono ancora a una facile spiegazione. Crediti: NASA/JPL/University of Arizona.

suoi limiti e non ha la capacità di analizzare centinaia di migliaia di immagini contemporaneamente; per questa ragione i dati sostanzialmente vengono “somministrati” in unità più piccole, per non sovraccaricare il sistema di calcolo.

Una volta completata la fase di training, all’algoritmo è stato dato in pasto un blocco composto da oltre 112.000 immagini della superficie di Marte, analizzato grazie al supercomputer in dotazione al JPL. L’algoritmo ha impiegato circa 5 secondi ad analizzare una singola immagine della Context Camera (contro i circa 40 minuti necessari ad un ricercatore umano, come dicevamo sopra).

Lo studio dei processi di apprendimento degli algoritmi è sicuramente una sfida affascinante per chi si occupa di computer science e in genere di ricerca in questo campo. Stiamo imparando a capire come ormai in molti settori ci si trovi a lavorare con questo genere di tecnologie, e una considerazione stimolante ci è stata fatta proprio da Kiri Wagstaff: «Non siamo in grado di indicare esattamente ciò che il modello ha deciso di selezionare come più rilevante. Si tratta di un'area aperta di ricerca estremamente interessante nel machine learning che cerca di capire come rendere il modello addestrato più "interpretabile", così da poter conoscere le sue priorità. Per questo classificatore non abbiamo ancora esplorato la questione. Ma possiamo dire empiricamente che funziona bene».

In altre parole l’algoritmo produce ottimi risultati, ma risulta imperscrutabile e poco trasparente nel suo operato anche agli stessi scienziati che l’hanno creato!

71

www.coelum.com