[論文レビュー] SpaceML: Distributed Open-source Research with Citizen Scientists for the Advancement of Space Technology for NASA

Anirudh Koul, Siddha Ganju+2 more|arXiv (Cornell University)|Dec 19, 2020

Scientific Computing and Data Management参考文献 6被引用数 8

ひとこと要約

SpaceML は、クラウドベースのツールとメンターシップを活用して、特に学生を含む世界中のボランティアを動員することで、宇宙技術の開発を加速するオープンソースで市民科学者主導のAI研究プログラムです。AI経験のない高校生が、NASA の CAMS 流星検出システムなどのプロジェクトに貢献でき、自己教師あり学習およびマルチリソリューション画像検索分野で最先端の成果を上げており、新規の流れ星群のリアルタイム発見を可能にしました。

ABSTRACT

Traditionally, academic labs conduct open-ended research with the primary focus on discoveries with long-term value, rather than direct products that can be deployed in the real world. On the other hand, research in the industry is driven by its expected commercial return on investment, and hence focuses on a real world product with short-term timelines. In both cases, opportunity is selective, often available to researchers with advanced educational backgrounds. Research often happens behind closed doors and may be kept confidential until either its publication or product release, exacerbating the problem of AI reproducibility and slowing down future research by others in the field. As many research organizations tend to exclusively focus on specific areas, opportunities for interdisciplinary research reduce. Undertaking long-term bold research in unexplored fields with non-commercial yet great public value is hard due to factors including the high upfront risk, budgetary constraints, and a lack of availability of data and experts in niche fields. Only a few companies or well-funded research labs can afford to do such long-term research. With research organizations focused on an exploding array of fields and resources spread thin, opportunities for the maturation of interdisciplinary research reduce. Apart from these exigencies, there is also a need to engage citizen scientists through open-source contributors to play an active part in the research dialogue. We present a short case study of SpaceML, an extension of the Frontier Development Lab, an AI accelerator for NASA. SpaceML distributes open-source research and invites volunteer citizen scientists to partake in development and deployment of high social value products at the intersection of space and AI.

研究の動機と目的

• 長期的な学術的リサーチと短期的な商業製品開発のギャップを埋めるために、多様な分野のAI研究を継続的かつオープンソースで行うモデルを構築すること。
• 宇宙およびAI分野の高影響力研究へのアクセスを民主化し、特に経済的・地理的に多様な背景を持つ非伝統的で代表されにくい層（例：高校生）を含めた貢献者を動員すること。
• オープンソースのチャレンジ、構造的なメンターシップ、公開のコードリポジトリを活用することで、AI研究の再現性と知識移転を向上させること。
• アジャイル開発とクラウドベースのインfra構築を活用して、研究を実世界で展開可能なシステム（NASA の技術成熟度レベル9：TRL-9）に迅速に移行させること。
• 構造的で初心者向けのチャレンジと専門家によるメンターシップを提供することで、AIおよび地球科学分野における実践的・プロジェクトベースの学習を提供し、STEAM教育を強化すること。

提案手法

• GitHub に FDL リサーチチャレンジをオープンソースのミニプロジェクトとして公開し、明確な範囲、データアクセス、技術スタック、参考資料を明示する。
• Google Colab を活用して、GPU の無料アクセスと設定不要の環境を提供し、貢献者がローカル環境のセットアップなしに即座にコーディングを開始できるようにする。
• 段階的な貢献モデルを導入：初心者向けチャレンジで意欲とスキルを評価し、優れた成果を出した貢献者にはメンターシップと高度なタスクを提供する。
• 優れた貢献者にクラウドクレジットを提供し、高性能コンピューティングリソースを活用したモデルトレーニングや実験のスケーリングを可能にする。
• 定期的な専門家レビューとゲート付きのマイルストーンを設けることで、貢献の技術的正確性、影響力、関連性を保証する。
• 貢献者とドメインエキスパート、産業界のメンターを結びつける公的・民間パートナーシップを構築し、持続的なプロジェクト開発と知識移転を促進する。

実験結果

リサーチクエスチョン

• RQ1 オープンソースで市民科学者主導の研究モデルは、宇宙技術分野における実世界のAIアプリケーション開発を効果的に加速できるか？
• RQ2 AI経験のない高校生が、自己教師あり学習やデータバランス調整といった高度なAI技術分野で、最先端の成果を達成できる程度はどの程度か？
• RQ3 Google Colab や GitHub といったクラウドベースのプラットフォームは、高影響力の科学的リサーチへの参加の障壁をどのように低減し、参加者をスケーリングできるか？
• RQ4 構造的なメンターシップと専門家レビューは、分散型のオープンソースAI研究における再現性と品質向上にどのような役割を果たすか？
• RQ5 オープンで透明性があり、協働的な研究モデルは、宇宙科学分野のAIシステムを TRL-9（飛行運用可能）状態にまで迅速に展開するのを高めるか？

主な発見

• SpaceML により、AI経験のない高校生が、ラベルなしの人工衛星画像における自己教師あり学習やマルチリソリューション画像検索といった高度なAI研究に貢献できた。
• 貢献者は、特にラベルなしのデータバランス調整や欠落した人工衛星画像のための合成パッチ生成といった分野で、最先端の性能を達成した。
• 本プログラムにより、新しい流れ星群（例：ゲイ・プシス・アウストリニディス、シグマ・フォエニシディス）が発見され、母天体であるグリッグ＝メリッシュ・コメットの軌道が精緻化された。
• SpaceML の貢献により強化された CAMS ウェブツールは、新規の流れ星群をほぼ毎月報告可能にし、科学的成果の増加と一般の関心喚起を著しく促進した。
• SpaceML 2020 参加の高校生は、地球科学、気候変動、および関連するSTEAM分野でのキャリア進出への関心が向上したと報告した。
• 無料GPUを備えた Google Colab と構造的な初心者向けチャレンジの活用により、貢献者は迅速にAIモデルをプロトタイプ化・スケーリングでき、開発のスピードアップが実現した。