NASA支持的“太空云观察”项目正在面临一项挑战：某些云类出现得越来越频繁，位置也比以往更低。为了弄清这些变化背后的原因，科学家邀请全球各地的摄影志愿者提交云图。然而，识别一种特殊的“夜光云”并不容易，它们常常与低空相似云混淆，导致项目团队需要耗费大量人力进行人工验证。 一位名叫Namai Chandra的志愿者注意到了这个瓶颈。他发现，项目领导者正在手动逐一核查夜光云图像，于是萌生了一个想法：能不能用机器学习来自动完成初步筛查？“这很适合人类参与式的机器学习流程，”他说，“机器可以处理重复性的筛检工作，而人类判断力仍然保留在那些最关键的图像上。” Namai随即联系了项目科学家Chihoko Cullens和Brentha Thurairajah，两位科学家对他的构想表示欢迎。经过多轮开发与测试，Namai成功构建了一条完整的机器学习流水线，包括图像预筛、云层分类和基于置信度的审查路由。该工具经过训练，能够区分真正的夜光云和外观相似的干扰云，目前已被正式投入使用，帮助志愿者们更高效地完成云图提交与验证工作。

打开网易新闻 查看精彩图片