Dalla prima, storica immagine inviata dalla sonda Mariner 4 nel lontano 15 luglio 1965, che mostrò un paesaggio marziano arido e craterizzato, ben diverso dai canali immaginati da Percival Lowell, l’umanità non ha mai smesso di scrutare Marte. Oggi, grazie a strumenti avanzatissimi come la Context Camera (CTX) e l’HiRISE del Mars Reconnaissance Orbiter (MRO), possediamo mappe dettagliatissime della superficie del pianeta, a risoluzioni impensabili solo pochi decenni fa.
Ma proprio questa immensa ricchezza di dati visivi si sta trasformando in una sfida: come analizzarla tutta in tempi ragionevoli? Fino a poco tempo fa, il lavoro era quasi esclusivamente manuale: scienziati intenti a osservare migliaia di immagini alla ricerca di crateri, fratture, sedimenti, strati geologici. Una metodologia tanto rigorosa quanto lenta e logorante. Nonostante l’aumento della potenza di calcolo, la capacità di trarre informazioni da questo oceano di dati non è cresciuta altrettanto rapidamente.
Ecco allora che entra in gioco una nuova generazione di alleati: i modelli di apprendimento automatico (machine learning, ML). Durante la 56ª Lunar and Planetary Science Conference, il ricercatore Andrew Annex del SETI Institute ha presentato uno studio che potrebbe cambiare radicalmente il modo in cui esploriamo Marte. Il suo obiettivo? Accelerare la scoperta scientifica e valorizzare al massimo i dati già in nostro possesso.
Utilizzando strumenti innovativi come il Content-Based Image Retrieval (CBIR), il modello OpenAI CLIP (Contrastive Language–Image Pre-training) e la potenza del cloud computing, il Dr. Annex ha costruito un vero e proprio motore di ricerca visivo per Marte. Questo sistema permette di confrontare automaticamente immagini simili, identificare strutture geologiche ricorrenti e scandagliare l’intero mosaico globale CTX del pianeta a risoluzione sub-metrica.
Il funzionamento è semplice solo in apparenza: si fornisce un’immagine iniziale (ad esempio, di un cratere o di una frattura) e il sistema cerca, su tutto il pianeta, strutture simili, anche se parzialmente coperte da sabbia o erose dal tempo. Un compito che, svolto a mano, richiederebbe anni di lavoro.
L’intelligenza artificiale, in questo contesto, non è un sostituto degli scienziati, ma un potentissimo strumento complementare. È come aggiungere un nuovo “senso” alla nostra capacità di analisi: più rapido, più esteso, più flessibile. Non si tratta più solo di rispondere a una domanda scientifica precisa, ma di esplorare l’intero pianeta con nuove domande e nuove prospettive.
Questa flessibilità operativa, unita alla velocità d’esecuzione, è ciò che rende rivoluzionario l’uso dell’AI nella mappatura geologica marziana. Ed è solo l’inizio. Le stesse tecniche potrebbero essere applicate anche ad altri corpi celesti: la Luna, Venere, Europa, persino gli asteroidi.
In definitiva, il lavoro del Dr. Annex rappresenta un salto evolutivo nella geologia planetaria: un modo per sfruttare appieno i dati già disponibili, ma anche per ripensare il futuro dell’esplorazione spaziale. Su Marte, l’intelligenza artificiale non è solo un assistente: è il nostro nuovo compagno di viaggio verso l’ignoto.
Stefano Camilloni
