Lessons from the Development of an Anomaly Detection Interface on the Mars Perseverance Rover using the ISHMAP Framework

要約

異常検出は、多くの科学分野で最も重要かつ価値のある問題の 1 つですが、異常検出の研究は、科学的調査を行うために非常に重要なニュアンスと解釈可能性に欠ける可能性がある AI メソッドに焦点を当てることがよくあります。
このアプリケーション ペーパーでは、機械学習ベースの異常検出の数学的フレーミングを参加型設計フレームワーク内に配置する代替アプローチを利用した結果を示します。
NASA の科学者と協力して、地球外生命体の探索の一環として火星の惑星地球化学を研究する PIXL 機器を使用しています。
NASA の科学者がスペクトルの異常を検出して解釈する際に直面する主な問題を定義するために、18 か月以上にわたるコンテキスト内のユーザー調査と共同設計について報告します。
これらの問題に対処し、PIXL 科学者向けの新しいスペクトル異常検出ツールキットを開発します。これは、科学的解釈に対する高い透明性を維持しながら、非常に正確です。
また、アルゴリズムと関連するインターフェイスの 1 年間のフィールド展開の結果についても説明します。
最後に、異常検出アルゴリズムを共同作成するために、このコラボレーションの過程で開発した新しい設計フレームワークを紹介します。それは、科学者や研究者がネイティブに解釈可能な異常検出モデルを作成するプロセスを提供する、異常現象の反復的セマンティック ヒューリスティック モデリング (ISHMAP) です。
.
この作業は、科学的領域内で AI と HCI から方法論をうまく橋渡しした例を示しており、より効果的で解釈可能な異常を通じてより良い科学を達成するために他の科学チームと提携しようとしている他の研究者や実践者が使用できる ISHMAP のリソースを提供します。
検出ツール。

要約(オリジナル)

While anomaly detection stands among the most important and valuable problems across many scientific domains, anomaly detection research often focuses on AI methods that can lack the nuance and interpretability so critical to conducting scientific inquiry. In this application paper we present the results of utilizing an alternative approach that situates the mathematical framing of machine learning based anomaly detection within a participatory design framework. In a collaboration with NASA scientists working with the PIXL instrument studying Martian planetary geochemistry as a part of the search for extra-terrestrial life; we report on over 18 months of in-context user research and co-design to define the key problems NASA scientists face when looking to detect and interpret spectral anomalies. We address these problems and develop a novel spectral anomaly detection toolkit for PIXL scientists that is highly accurate while maintaining strong transparency to scientific interpretation. We also describe outcomes from a yearlong field deployment of the algorithm and associated interface. Finally we introduce a new design framework which we developed through the course of this collaboration for co-creating anomaly detection algorithms: Iterative Semantic Heuristic Modeling of Anomalous Phenomena (ISHMAP), which provides a process for scientists and researchers to produce natively interpretable anomaly detection models. This work showcases an example of successfully bridging methodologies from AI and HCI within a scientific domain, and provides a resource in ISHMAP which may be used by other researchers and practitioners looking to partner with other scientific teams to achieve better science through more effective and interpretable anomaly detection tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google