NASA i IBM udostępniają AI do analizy Księżyca. W tle 17 lat danych

NASA-IBM Lunar Foundation Model został przygotowany przez zespół NASA i IBM przy udziale wielu uczelni, a następnie publicznie udostępniony, by ułatwić prowadzenie badań Księżyca w różnych ośrodkach. Fundamentem narzędzia są szczegółowe obserwacje wykonane przez Lunar Reconnaissance Orbiter (LRO). Kod oraz dokumentacja trafiły na platformy wykorzystywane przez społeczność naukową, dzięki czemu model można wdrażać i rozwijać również poza pojedynczymi instytucjami.

Podczas prezentacji podkreślano, że największą wartością nowego podejścia jest możliwość sprawnego "przerabiania" ogromnych wolumenów danych z obserwacji księżycowych. Kevin Murphy, główny naukowy oficer ds. danych i AI w NASA, zwracał uwagę, że samo gromadzenie informacji nie rozwiązuje problemu, jeśli naukowcy nie mają narzędzi, które realnie ułatwiają ich analizę i praktyczne wykorzystanie.

Model trenowano na nieoznaczonych zbiorach danych, co pozwala mu szybko dopasowywać się do różnych zadań badawczych – od automatycznego wykrywania kraterów po wyszukiwanie konkretnych cech geologicznych. W odróżnieniu od klasycznych rozwiązań, które zwykle tworzy się osobno dla każdego problemu, to narzędzie można relatywnie szybko dostroić do konkretnego celu na podstawie niewielkiej liczby opisanych przykładów.

Do szkolenia wykorzystano około 2 mln fragmentów obrazów z misji LRO, w tym ponad 1 mln zdjęć w rozdzielczości 1 metra oraz niemal 964 tys. fotografii multispektralnych w rozdzielczości 100 metrów. Algorytm wspiera się też materiałami obrazowymi i danymi terenowymi z innych projektów NASA i JAXA – m.in. GRAIL, Lunar Prospector oraz Kaguya. W efekcie model ma odzwierciedlać niemal całą powierzchnię Księżyca w wysokiej rozdzielczości.

W praktyce narzędzie ma pomagać m.in. w ocenianiu stabilności lodu w rejonach polarnych Księżyca oraz w identyfikowaniu młodych form wulkanicznych. Badacze wskazują, że takie obiekty mogą dostarczać nowych wskazówek dotyczących historii procesów geologicznych na naturalnym satelicie Ziemi. Zwracają też uwagę, że tempo rozpoznawania kraterów i cech morfologicznych przez AI wyraźnie przewyższa czasochłonne metody ręcznego opisu.

Skuteczność NASA-IBM Lunar Foundation Model sprawdzono w zestawieniach z innymi uznanymi modelami bazowymi. Rozwiązanie osiąga porównywalne wyniki w segmentacji powierzchni i mapowaniu kraterów, a szczególnie dobrze wypada w zadaniach związanych z oceną stabilności lodu księżycowego – co może mieć znaczenie dla przyszłych misji oraz planowania eksploracji.

Prace nad modelem prowadzono w ramach rozbudowanej współpracy naukowej. W zespole znaleźli się specjaliści m.in. z NASA i IBM, Universities Space Research Association w Alabamie, SETI Institute w Kalifornii oraz naukowcy z kilku amerykańskich uniwersytetów. Równolegle z modelem udostępniono pełne zestawy danych i narzędzia, które mają ułatwić kolejne badania nad Księżycem bez ograniczania się do zamkniętych systemów czy pojedynczych ośrodków.