[논문 리뷰] SpaceML: Distributed Open-source Research with Citizen Scientists for the Advancement of Space Technology for NASA

Anirudh Koul, Siddha Ganju외 2명|arXiv (Cornell University)|2020. 12. 19.

Scientific Computing and Data Management참고 문헌 6인용 수 8

한 줄 요약

SpaceML는 오픈소스이자 시민 과학 기반의 AI 연구 프로그램으로, 글로벌 자원자들—특히 학생들—을 참여시켜 접근성 있는 클라우드 기반 도구와 멘토링을 통해 우주 기술 개발을 가속화한다. 이 프로그램은 사전 AI 배경이 없는 고등학생들이 NASA의 CAMS 우주塵 탐지 시스템 같은 프로젝트에 기여할 수 있게 하여, 자기지도 학습 및 다중 해상도 이미지 검색 분야에서 최신 기술 수준의 성과를 달성하였으며, 새로운 우주塵 활동의 실시간 탐지가 가능하게 하였다.

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.

연구 동기 및 목표

• 장기적인 학술 연구와 단기적인 상업 제품 개발 간 격차를 해소하기 위해 지속 가능하고 오픈소스인 다학제 AI 연구 모델을 구축함으로써.
• 고등학생과 같은 비전통적, 소외된 배경을 가진 기여자들—다양한 사회경제적 및 지리적 배경에서 온 사람들—이 고영향력 있는 우주 및 AI 연구에 접근할 수 있도록 민주화함으로써.
• 오픈소스 챌린지, 체계적 멘토링, 공개 코드 저장소를 통해 AI 연구의 재현 가능성과 지식 이관을 향상시킴으로써.
• 민첩한 개발과 클라우드 기반 인프라를 통해 연구 결과를 실제 적용 가능한 시스템으로 전환함으로써, NASA의 기술 준비도 수준 9(TLR-9)에 도달하도록 가속화함으로써.
• 체계적이고 초보자에게 친화적인 챌린지와 전문가 멘토링을 통해 AI 및 지구 과학 분야에서 실습 기반 학습을 제공함으로써 STEAM 교육을 향상시킴으로써.

제안 방법

• GitHub에 FDL 연구 챌린지를 오픈소스 미니프로젝트로 공개하며, 명확한 범위, 데이터 접근 방식, 기술 스택, 참고 자료를 제공함.
• Google Colab을 활용해 무료 GPU 접근과 설정이 없는 환경을 제공하여 기여자가 로컬 설정 없이 즉시 코드 작성에 착수할 수 있도록 함.
• 계층적 기여 모델을 도입: 초보자 챌린지로 동기부여와 능력 평가를 수행한 후, 뛰어난 성과를 낸 기여자들에게 멘토링과 고급 과제를 제공함.
• 우수 기여자들에게 클라우드 크레딧을 제공하여 고성능 컴퓨팅 자원에서 모델 훈련과 실험을 확장할 수 있도록 지원함.
• 정기적인 전문가 리뷰와 접근 제한이 있는 마일스톤을 설정하여 기여의 기술적 정확성, 영향력, 관련성을 확보함.
• 기여자들이 도메인 전문가 및 산업 분야 멘토와 연결될 수 있도록 공공-민간 파트너십을 구축하여 지속 가능한 프로젝트 개발과 지식 이전을 촉진함.

실험 결과

연구 질문

• RQ1 오픈소스이자 시민 과학 기반의 연구 모델이 실제로 우주 기술 분야의 AI 응용 프로그램 개발을 효과적으로 가속화할 수 있는가?
• RQ2 사전 AI 배경이 없는 고등학생들이 자기지도 학습 및 데이터 균형 조정과 같은 고급 AI 기법에서 최신 기술 수준의 성과를 달성할 수 있는 정도는 어느 정도인가?
• RQ3 Google Colab 및 GitHub과 같은 클라우드 기반 플랫폼을 어떻게 활용하여 고영향력 과학 연구에 참가하는 데의 장벽을 낮추고 참가자를 확장할 수 있는가?
• RQ4 체계적 멘토링과 전문가 리뷰는 분산된 오픈소스 AI 연구의 재현 가능성과 품질 향상에 어떤 역할을 하는가?
• RQ5 오픈, 투명하고 협업 기반의 연구 모델이 우주 과학 응용 분야에서 TRL-9(비행 준비 상태) 수준으로 AI 시스템의 구현을 향상시킬 수 있는가?

주요 결과

• SpaceML는 사전 AI 배경이 없는 고등학생들이 자기지도 학습을 통한 비라벨링 위성 영상 분석 및 다중 해상도 이미지 검색과 같은 고급 AI 연구에 기여할 수 있도록 하였다.
• 기여자들은 라벨 없이 데이터 균형 조정 및 부족한 위성 영상에 대한 합성 패치 생성과 같은 특정 기법에서 최신 기술 수준의 성능을 달성하였다.
• 이 프로그램은 감마 피스 아우스트리니드 및 시그마 피오니시드와 같은 여러 새로운 우주塵 활동의 탐지에 기여하였으며, 이는 부모 혜성인 그리그-멜리시 혜성 궤도를 정밀하게 보완하는 데 기여하였다.
• SpaceML 기여를 통해 향상된 CAMS 웹 도구는 새로운 우주塵 활동을 거의 매달 보고할 수 있게 하여 과학적 성과와 대중 참여를 크게 증가시켰다.
• 2020년 SpaceML에 참가한 고등학생들은 지구 과학, 기후 변화 및 관련 STEAM 분야에서의 진로에 대한 관심을 높였다.
• 무료 GPU가 제공되는 Google Colab과 체계적인 초보자 챌린지를 활용함으로써 기여자들은 AI 모델을 신속하게 프로토타ип화하고 확장할 수 있었으며, 개발 주기를 가속화하였다.