NASA și IBM au anunțat miercuri lansarea open-source a NASA-IBM Lunar Foundation Model, un model AI conceput pentru a ajuta oamenii de știință să extragă perspective din decenii de observații lunare – unul dintre primele modele de fundație disponibile public, construite pentru explorarea științifică a Lunii. Modelul este disponibil acum, Computer Weekly raportând că poate fi descărcat de pe Hugging Face.

Lansarea vizează o problemă familiară oamenilor de știință planetar: prea multe date, prea puține ore pe zi. De zeci de ani, senzorii și instrumentele au observat continuu Luna, generând petabyți de informații. Pentru a studia suprafața, oamenii de știință au fost nevoiți să cerceteze manual hărți și imagini sau să se bazeze pe modele de învățare automată cu rezoluție scăzută, specifice sarcinilor - abordări pe care IBM le descrie ca fiind intensive din punct de vedere computațional și adesea lipsite de acuratețea necesară pentru a identifica și analiza caracteristicile geografice. For more context on this story, see our ongoing latest AI developments.

Găsirea de gheață, cratere și vulcani antici

Modelul este antrenat pentru a evidenția relații ascunse în multe tipuri și rezoluții diferite de date lunare, iar anunțul IBM conturează trei aplicații emblematice.

Potențiale depozite de gheață. Regiunile permanent în umbră din apropierea polilor lunari sunt printre cele mai greu de observat de pe Lună, dar ele pot reține gheață sub suprafață - o resursă considerată esențială pentru o viitoare bază lunară și pentru producerea de combustibil pentru rachete pentru misiunile pe Marte. Într-o lucrare tehnică scrisă de echipa NASA-IBM, modelul a redus eroarea (RMSE) în identificarea zonelor cu potențial ridicat de gheață lunară cu până la 22% în comparație cu modelul de viziune SwinV2-B (ImageNet), utilizat pe scară largă. Detecția craterelor. Craterele dezvăluie indicii despre vârsta terenurilor, geologia lunară și compoziția chimică a interiorului lunar timpuriu, iar cartografierea acestora ajută NASA să selecteze locuri de aterizare sigure și să evite pericole precum pante abrupte și bolovani. Modelul poate identifica și clasifica craterele la rezoluție la scară de metri cu o acuratețe comparabilă cu modelele de ultimă generație, oferind în același timp o eficiență mai mare și costuri mai mici de reglare fină, a spus IBM. La o rezoluție de aproximativ 100 de metri, acesta depășește SwinV2-B cu aproape 19% folosind doar jumătate din datele de antrenament. Istorie vulcanică. Modelul urmărește, de asemenea, pete neregulate de iepă – caracteristici vulcanice enigmatice care ajută oamenii de știință să înțeleagă evoluția termică a Lunii. Chiar și atunci când este alimentat cu etichete imperfecte, surprinde amploarea acestor caracteristici cu 3% mai bine decât linia de bază SwinV2-B, potrivit anunțului.

Luat împreună, IBM spune că modelul depășește metodele utilizate pe scară largă cu până la 23% în identificarea caracteristicilor geografice cheie de pe suprafața lunară.

Primul set de date lunar deschis unificat

Alături de model, oamenii de știință de la IBM și NASA au construit ceea ce companiile descriu ca fiind primul set de date lunare open-source de acest gen: o colecție unificată, pregătită pentru învățare automată, care adună mai mult de 30 de straturi aliniate spațial din nouă instrumente în patru misiuni. Acesta combină zeci de mii de imagini și hărți care surprind proprietățile geofizice ale suprafeței lunare, bazându-se, printre altele, pe misiunile NASA Lunar Reconnaissance Orbiter (LRO) și GRAIL. Publicația comercială Unite.ai a descris setul de date de referință însoțitor drept SomBench.

Setul de date contează la fel de mult ca și modelul. Până acum, a remarcat IBM, niciun set de date disponibil public nu a adus observațiile multimodale și cu rezoluție multiplă ale Lunii într-un cadru comun adecvat pentru învățarea automată modernă - ceea ce înseamnă că orice grup de cercetare care dorește să aplice învățarea profundă în știința lunară s-a confruntat pentru prima dată cu luni de inginerie a datelor.

Ce spun NASA și IBM

„NASA a petrecut zeci de ani construind o înregistrare științifică extraordinară a Lunii, dar colectarea datelor este doar o parte din muncă”, a spus Kevin Murphy, ofițer șef de date științifice și ofițer interimar de date și AI la sediul NASA. „Trebuie, de asemenea, să facilităm explorarea și utilizarea datelor de către oamenii de știință. Modelul NASA-IBM Lunar Foundation arată ce este posibil atunci când aducem inteligența artificială la petabyții de date științifice ai NASA”.

„Descoperirea misterelor Lunii necesită abilitatea de a învăța dintr-un volum extraordinar de date științifice”, a declarat Juan Bernabe-Moreno, Director IBM Research Europe, Marea Britanie și Irlanda. „Modelul NASA-IBM Lunar Foundation oferă oamenilor de știință o bază pentru a explora Luna la scară, conectând observațiile între instrumente, dezvăluind tipare care sunt greu de văzut izolat și oferind o platformă deschisă pe care comunitatea globală de cercetare se poate construi”.

De ce este importantă sursa deschisă aici

Încadrarea open-source este deliberată. Prin lansarea publică a greutăților, NASA și IBM invită laboratoarele, universitățile și agențiile spațiale din întreaga lume să-și ajusteze modelul pentru propriile întrebări - de la selecția locului de aterizare pentru misiunile cu echipaj până la studii fundamentale despre modul în care a evoluat suprafața Lunii. Costurile mai mici de reglare fină, a spus IBM, fac acest lucru practic chiar și pentru echipele mici.

Cu mai multe programe spațiale care lucrează pentru o prezență umană susținută pe Lună, resursele în joc sunt semnificative: gheața de apă implică oxigen pentru a respira și propulsor hidrogen-oxigen pentru a alimenta rachetele pentru călătoria către Marte. Cartografierea locului în care se află gheața și unde suprafața este sigură pentru aterizare, este o muncă de bază - și este exact tipul de probleme de recunoaștere a modelelor la care modelele de fundație s-au dovedit bune.

Lansarea semnalează, de asemenea, o tendință mai amplă în domeniul IA pentru știință: în loc să urmărească chatbot-uri, instituțiile publice de cercetare îndreaptă din ce în ce mai mult tehnicile modelului de fundație către muntele de date științifice neanalizate pe care instrumentele lor le-au acumulat. Se pare că Luna este un loc bun pentru a începe.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →