A Machine Learning Based Search for Lunar Anomalies

月球的沉默日记与机器人侦探

请不要只把月球看作夜空中一颗发光的岩石，而要把它想象成一本用石头写就的、巨大的、沉默的日记。数十亿年来，它记录了表面上的每一次撞击、每一次滑动和每一次变化。近几十年来，人类向月球发射了一个高科技间谍——月球勘测轨道飞行器（LRO），用以拍摄数百万张极其清晰的照片来记录这本“日记”。这些图像如此细腻，甚至能从太空识别出一块单体巨石。但靠人工去查看数百万张照片，就像是在蒙着眼睛试图在沙滩上寻找一颗特定的沙粒一样；仅凭人类的双眼是无法完成的任务。

这正是“机器学习”这一科学分支发挥作用的地方。你可以把机器学习想象成在教一台电脑成为一名超级聪明的侦探。我们不是直接告诉电脑要找什么（比如“寻找一个陨石坑”），而是让它学习成千上千张“正常”月球尘埃的照片，直到它掌握了平均表面的样子。一旦它知道了什么是“正常”，它就能瞬间发现任何看起来奇怪或格格不入的东西。这就是寻找“技术签名”（technosignatures）的核心理念——这只是一个高级词汇，指的是可能隐藏在表面上的、由人类甚至外星文明留下的技术痕迹。大问题在于：是否有什么人造物体，比如被遗忘的着陆器或奇特的结构，正隐藏在岩石之中，就在那里却又难以察觉？

---

教会机器人识别月球上的“异类”

在这篇论文中，一个研究小组决定测试一种新型的机器人侦探，叫做 $\beta$-变分自编码器（$\beta$-VAE）。你可以把这个模型看作一位研究了多年月球的数字艺术家。它的任务很简单：看一张月球的照片，尝试凭记忆重新绘制它，然后将它的画作与原图进行对比。

其中的奥秘在于：
月球大部分区域都是单调且统一的——仅仅是灰色的尘土和岩石。机器人学会了这种“平均”的灰色是什么样子的。当它看到一片正常的月球尘埃时，它能画出一份完美的副本。但当它看到一些奇怪的东西时——比如一个新鲜的陨石坑、一次山体滑坡留下的碎石堆，甚至是某件旧的空间垃圾——它就会感到困惑。它试图画出“正常”的背景，但那个奇怪的物体并不符合规律。机器人“预期看到的内容”与“实际看到的内容”之间的差异被称为**“异常得分”（anomaly score）**。差异越大，得分越高，该地点就变得越可疑。

研究人员给这个机器人喂食了海量的数据：大约 1,000 张来自 LRO 的图像，被切割成了无数个 64x64 像素的小方块（大约相当于地面上 32x32 米大小的区域）。这意味着有超过 5,200 万个小方块供机器人学习！机器人学习了月球表面的模式，然后开始对它看到的每一个小方块进行评分。

侦探发现了什么？

团队想要测试他们的机器人侦探是否真的胜任。他们给了它两个著名的“可疑”地点，这些地点是其他人已经发现过的：普拉斯克特陨石坑（Plaskett Crater）和帕拉塞勒斯 C 陨石坑（Paracelsus C Crater）。

• 普拉斯克特陨石坑是一个布满巨石的斜坡，巨石曾在此处滚落。
• 帕拉塞勒斯 C 有两个棱角分明的巨石，看起来像是撞击后留下的。

机器人并不需要被告知这些地方很特殊。它观察图像，计算得分，并立即将这些地点标记为高度异常。正常区域的平均得分约为 23，但这些奇特的地点脱颖而出，证明了该模型可以在没有被预先编程特定寻找目标的情况下，识别出独特的地理特征。

但真正的乐趣在于他们用技术签名——即人造物品——来测试机器人。他们输入了著名着陆点的图像，包括：

• 阿波罗 11、12、14、15、16 和 17 号着陆器。
• 毅力号（Surveyor 3）着陆器。
• 嫦娥三号、五号和六号着陆器。
• 甚至还有阿波罗 13 号火箭和月球 24 号着陆器的坠毁现场。

机器人成功地将这些微小的人造物体识别为异常！需要注意的是，机器人并没有给这些人工制品打出最高的得分。为什么呢？因为机器人的训练样本是 32x32 米宽的切片。对于如此小的着陆器来说，它在那个大方块里只是一个小点，不会像巨大的陨石坑那样占据主导地位。然而，机器人的表现仍显著优于随机猜测。事实上，该模型发现这些异常的能力比随机猜测要高出 3.02 倍。

他们有多确定？

研究人员对这种方法非常自信，但也保持着谨慎，避免过度夸大。他们使用了一种统计检验（Kolmogorov-Smirnov 检验），得出的 p 值为 1.95x10⁻³⁵。用通俗的话说，这个数字小到令人难以置信，它证明了机器人并非仅仅在碰运气，而是确实看到了正常月球尘埃与异常区域之间的区别。

不过，论文并未声称发现了新的外星基地或失踪的飞船。它仅仅证明了这种特定类型的机器学习模型是扫描月球的强大工具。机器人找到了那些我们已知存在的物体，这表明它已经准备好去搜寻那些我们目前还不知道的东西。

未来计划

团队认为这仅仅是个开始。他们的下一个目标是让这个机器人巡视整个月球，从而绘制出一幅全球性的“异常点地图”。他们希望找到：

• 隐藏的火山坑或塌陷的熔岩管（这对未来的宇航员来说是极佳的躲避处！）。
• 新鲜的陨石坑或落石。
• 任何遗失或未知的技术碎片。

他们也意识到机器人存在一种“偏差”，这是由于其训练时使用的切片尺寸造成的。如果用更小的切片进行训练，它可能会更擅长发现微小的物体；如果用更大的切片，它可能会更擅长发现巨大的陨石坑。他们计划结合不同版本的机器人，以达到两全其美的效果。

最后，这不仅仅适用于月球。同样的技术也可以应用于火星、水星或任何其他拥有高分辨率照片的行星。该代码甚至已向所有人开放使用，这意味着这个数字侦探已准备好帮助全世界去探索太阳系中那些奇异且未知的领域。