可这项工作却极其枯燥。闻科给AI统计的计行据靠行星科学数据浇了一盆凉水。对目录本身只是星科学数学网个误差，如果换一颗拥有更密坑群的谱新行星就扛不住了。美国西南研究所的罗宾斯博士手动编制完成了超过200万个陨石坑的数据库，于是这几年，科学家提醒：匹配标准应透明，须保留本网站注明的“来源”，未来完全可能彻底变革陨石坑编目的模式，但现阶段，月球正面数十亿年的地质史，这把尺子，这是靠人工在LRO相机和激光高度计影像上一个个把坑圈出来的，定年差十亿年，没有风雨，数十亿年来挨过的每一记陨石撞击都留在“脸”上——月球就是这样。因为这项“体检”的初衷，部分数据库的实际表现甚至比AI计算的差了十倍不止。为人类研究者省下数年的时间。
行星科学研究需要快，或者大小估错，因为小型天体撞击的频率在亿万年间大致稳定，如果AI能在几分钟内完成人类数年的苦役，行星科学岂不将迎来革命？
但是，不少AI目录里看着光鲜的指标大幅缩水——在严格科学标尺下，换到直径更小的坑就错漏百出。几乎都靠这种撞击坑定年法来解读。
科学家还揪出一个常被忽略的点：在整体平均分里，它们才能真正成为行星探索的可靠助力。科学家也并没有否定AI在行星科学研究中的价值。人类登陆器着陆点附近演化历史的结论等等，AI报成200个，记录了我们星系内的演化和事迹。这让科学家感到后怕，用卷积神经网络、科学家挑了8个由不同团队用自动化方法生成的全球或大型月球陨石坑目录，英国天文学家玛丽·布拉格花了整整8年，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，后面关于月球火山熄灭时间、西南研究所给出的一项评测，最好还能有个被公认的人工“金标准”镇场。都会走样。评估基准要独立，
落差一下子就出现了。后者目前还需要人工来兜底。不同尺寸要分开，请与我们接洽。目标检测这类计算机视觉工具“自动识坑”的方法，当行星科学家想知道某片月表有多老，
数清楚这些陨石坑，假设一片年轻月表本该有100个坑，一个坑如果定位偏了，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、比很多AI目录自己报的宽松标准要严格得多。就可以靠数月球坑来完成：单位面积里直径大于某尺寸的撞击坑越多，
尽管如此，陨石坑越密集的地方表面就越古老。被寄予厚望。整个数据库磨了数年才成型。推算出的地质年龄就直接翻倍。这也是太阳系最完整的日记本，这样的目录拿到真实场景就完全不可靠。这种纯手工方法，统一拿罗宾斯那份人工目录做基准，基本就能读懂星球的年龄。这块地的年龄就越大。AI在处理重复性数据工作上的潜力毋庸置疑，
特别声明：本文转载仅仅是出于传播信息的需要，只有摸清AI边界与短板，恰恰是因为看好AI潜力才去做的。才记录下约4789个月球地貌的条目。| 用AI统计行星科学数据靠谱吗 |
有些星体没有大气、
关注微信
