A Machine Learning Based Search for Lunar Anomalies

مذكرات القمر الصامتة والمحقق الآلي

تخيل القمر ليس مجرد صخرة متوهجة في سماء الليل، بل كمذكرات ضخمة وصامتة مكتوبة بالحجر. فلقد سجل لمليارات السنين كل اصطدام، وكل انزلاق، وكل تغيير على سطحه. وفي العقود الأخيرة، أرسلت البشرية جاسوساً عالي التقنية، وهو مستطلع القمر (LRO)، لالتقاط الملايين من الصور شديدة الدقة لهذه المذكرات. هذه الصور مفصلة للغاية لدرجة أنها تستطيع رصد صخرة واحدة من الفضاء. ولكن النظر في ملايين الصور يدوياً يشبه محاولة العثور على حبة رمل معينة على الشاطئ وأنت معصوب العينين؛ إنه أمر مستحيل على العيون البشرية وحدها.

هنا يأتي دور فرع من العلوم يسمى "تعلم الآلة". فكر في تعلم الآلة كتعليم كمبيوتر ليكون محققاً فائق الذكاء. بدلاً من إخبار الكمبيوتر بالضبط بما يجب أن يبحث عنه (مثل "ابحث عن فوهة")، نتركه يدرس آلاف الصور لتربة القمر "الطبيعية" حتى يتعلم كيف يبدو السطح المتوسط. وبمجرد أن يعرف ما هو "الطبيعي"، يمكنه فوراً رصد أي شيء يبدو غريباً أو في غير مكانه. هذه هي الفكرة الجوهرية وراء البحث عن "التواقيع التقنية" (technosignatures) — وهي مجرد كلمة منمقة تعني علامات على وجود تكنولوجيا، ربما تركتها البشرية أو حتى كائنات فضائية، قد تكون مختبئة على السطح. والسؤال الكبير هو: هل يمكن أن يكون هناك شيء اصطناعي، مثل مركبة هبوط منسية أو هيكل غريب، يختبئ في وضح النهار بين الصخور؟

---

تعليم روبوت لرصد الأشياء الغريبة على القمر

في هذه الورقة البحثية، قرر فريق من الباحثين اختبار نوع جديد من المحققين الآليين يسمى $\beta$-Variational Autoencoder (VAE). يمكنك التفكير في هذا النموذج كمصور رقمي قضى سنوات في دراسة القمر. مهمته بسيطة: ينظر إلى صورة للقمر، ويحاول إعادة رسمها من ذاكرته، ثم يقارن رسمه بالصورة الأصلية.

إليك كيف يحدث السحر:
القمر ممل ورتيب في الغالب — مجرد غبار وصخور رمادية. يتعلم الروبوت كيف يبدو هذا اللون الرمادي "المتوسط". عندما يرى بقعة من القمر عبارة عن غبار طبيعي، فإنه يرسم نسخة مثالية. ولكن عندما يرى شيئاً غريباً — مثل فوهة حديثة، أو كومة صخور من انزلاق أرضي، أو حتى قطعة من حطام فضائي قديم — فإنه يصاب بالارتباك. يحاول رسم الخلفية "الطبيعية"، لكن الشيء الغريب لا يتناسب معها. الفرق بين ما "توقعه" الروبوت وما "يراه" بالفعل يسمى "درجة الشذوذ" (anomaly score). وكلما زاد الفرق، زادت الدرجة، وأصبح المكان أكثر إثارة للشك.

أطعم الباحثون هذا الروبوت نظاماً غذائياً هائلاً من البيانات: حوالي 1,000 صورة من مستطلع القمر (LRO)، مقسمة إلى مربعات صغيرة بحجم 64×64 بكسل (أي ما يعادل تقريباً مساحة 32×32 متراً على الأرض). هذا يعني أكثر من 52 مليون قطعة صغيرة ليدرسها الروبوت! تعلم الروبوت أنماط سطح القمر ثم بدأ في تقييم كل قطعة ينظر إليها.

ماذا وجد المحقق؟

أراد الفريق معرف ليرى ما إذا كان محققهم الآلي بارعاً حقاً في عمله. لقد أعطوه موقعين "مثيرين للشك" كان آخرون قد وجداهما بالفعل: فوهة بلاسكيت (Plasktsett Crater) وفوهة باراسيلسوس سي (Paracelsus C Crater).

• فوهة بلاسكيت هي منحدر صخري حيث تدحرجت الصخور الكبيرة للأسفل.
• باراسيلسوس سي تحتوي على صخرتين حادتين وزاويتين تبدوان وكأنهما تركتا جراء اصطدام.

لم يحتج الروبوت لأن يُخبر بأن هذه المواقع مميزة. نظر إلى الصور، وحسب الدرجات، وحدد فوراً هذه المواقع كأماكن شاذة للغاية. كانت متوسط الدرجة للبقعة الطبيعية حوالي 23، لكن هذه البقع الغريبة برزت بوضوح، مما أثبت أن النموذج يمكنه رصد الميزات الجيولوجية الفريدة دون أن يتم برمجته بقائمة محددة لما يجب أن يبحث عنه.

لكن المتعة الحقيقية جاءت عندما اختبروا الروبوت على التواقيع التقنية — الأشياء التي صنعها الإنسان. لقد أدخلوا إليه صوراً لمواقع هبوط شهيرة، بما في ذلك:

• مركبات الهبوط لأبولو 11، 12، 14، 15، 16، و17.
• مركبة الهبوط "سورفيور 3" (Surveyor 3).
• مركبات الهبوط "تشانغ إي" 3، 5، و6.
• وحتى مواقع تحطم صاروخ أبولو 13 ومركبة لونا 24.

نجح الروبوت في تحديد معظم هذه الأجسام الاصطناعية الصغيرة كأشياء شاذة! ومن المهم ملاحظة أن الروبوت لم يعطِ هذه الأجسام المصنوعة يدوياً أعلى درجة ممكنة. لماذا؟ لأن الروبوت تم تدريبه على قطع بعرض 32×32 متراً. مركبة هبوط صغيرة هي مجرد نقطة في تلك المساحة الكبيرة، لذا فهي لا تهيمن على الصورة مثل فوهة ضخمة. ومع ذلك، فقد رصدها الروبوت بشكل أفضل بكثير من العشوائية. في الواقع، كانت قدرة النموذج على إيجاد هذه الشذوذات أفضل بـ 3.02 مرة من مجرد التخمين.

ما مدى تأكدهم؟

الباحثون واثقون جداً من أن هذه الطريقة تعمل، لكنهم حذرون من المبالغة في تقديرها. لقد استخدموا اختباراً إحصائياً (اختبار كولموغوروف-سميرنوف) والذي أعطى قيمة احتمالية (p-value) قدرها 1.95x10⁻³⁵. وباللغة البسيطة، هذا الرقم صغير للغاية لدرجة أنه يثبت أن الروبوت لا يحالفه الحظ فحسب؛ بل إنه يرى حقاً فرقاً بين تراب القمر الطبيعي والبقع التي تحتوي على شذوذ.

ومع ذلك، لا تدعي الورقة البحثية أنها وجدت قواعد فضائية جديدة أو سفناً مفقودة. إنها ببساطة تثبت أن هذا النوع المحدد من نماذج تعلم الآلة هو أداة قوية لمسح القمر. لقد وجد الروبوت الأشياء التي كنا نعرف بوجودها بالفعل، مما يشير إلى أنه مستعد للبحث عن الأشياء التي لا نعرفها بعد.

ما الخطوة التالية؟

يرى الفريق أن هذه مجرد بداية. هدفهم التالي هو تشغيل هذا الروبوت فوق كامل سطح القمر لإنشاء خريطة عالمية للبقع الغريبة. يأملون في العث %:

• الحفر البركانية المخفية أو أنابيب الحمم المنهارة (أماكن رائعة ليختبئ فيها رواد الفضاء المستقبليون!).
• الفوهات الحديثة أو الانهيارات الصخرية.
• أي قطع تكنولوجية مفقودة أو غير معروفة.

كما يدركون أن الروبوت لديه "انحياز" بسبب حجم القطعة التي تدرب عليها. إذا دربوه على قطع أصغر، فقد يصبح أفضل في رصد الأشياء الصغيرة. وإذا دربوه على قطع أكبر، فقد يصبح أفضل في رصد الفوهات الضخمة. يخططون لخلط نسخ مختلفة من الروبوت للحصول على أفضل ما في العالمين.

أخيراً، هذا الأمر لا يقتصر على القمر فقط. يمكن استخدام نفس التقنية على المريخ، عطارد، أو أي كوكب آخر لديه صور عالية الدقة. الكود متاح أيضاً لأي شخص لاستخدامه، مما يعني أن هذا المحقق الرقمي جاهز لمساعدة العالم أجمع في البحث عن الأشياء الغريبة وغير المعروفة في نظامنا الشمسي.