NASA ir „IBM Research“ 2026 metų rugsėjo 10 dieną pristatė atvirą dirbtinio intelekto modelį, skirtą Mėnulio paviršiaus analizei. „NASA-IBM Lunar Foundation Model“ kartu su kodu ir duomenų rinkiniais paskelbtas viešai, kad kitos komandos galėtų jį pritaikyti ir toliau tobulinti.
Modelis kurtas kaip universalus pagrindas skirtingoms užduotims, o ne vienam konkrečiam atvejui. Po papildomo pritaikymo jis gali padėti automatiškai aptikti kraterius, atpažinti galimos vulkaninės veiklos pėdsakus ir įvertinti vietas, kuriose sąlygos palankios ledo išlikimui.
Kaip buvo apmokytas modelis
Mokymui daugiausia naudoti Lunar Reconnaissance Orbiter misijos duomenys, kuri jau daugelį metų detaliai kartografuoja Mėnulį. Sistemai pateikta apie 2 000 000 vaizdų fragmentų, įskaitant nuotraukas, kurių raiška siekia maždaug vieną metrą, taip pat multispektriniai duomenys ir geofizinių matavimų informacija.
Į vieną analizės „sluoksnį“ sujungta daugiau kaip 30 duomenų sluoksnių iš devynių skirtingų instrumentų, kad tą pačią vietą būtų galima vertinti ne tik pagal vaizdą. Tokiu būdu kartu lyginami reljefo ypatumai, temperatūra, apšvietimo sąlygos ir kiti fiziniai rodikliai, kurie ypač svarbūs poliariniuose regionuose.
Kodėl poliai svarbiausi
Viena sudėtingiausių problemų mokant DI buvo apšvietimas: tas pats krateris gali atrodyti visiškai kitaip priklausomai nuo Saulės kritimo kampo. Dėl to kūrėjai koregavo mokymo metodiką ir griežčiau atskyrė duomenis, skirtus mokymui, nuo tų, kurie naudojami patikrai.
Skelbiama, kad vertinant vietas, kuriose sąlygos palankios ledui išlikti, modelis darė apie 22 proc. mažiau klaidų nei anksčiau taikytas „SwinV2-B“ sprendimas. Kraterių aptikimo užduotyje rezultatas pagerėjo beveik 19 proc., o praktinis pritaikomumas testuotas lyginant pokyčius po smūgio netoli Einšteino kraterio.
Ką tai reiškia „Artemis“ misijoms
Pagrindinis taikymo laukas siejamas su Mėnulio pietų ašigalio apylinkėmis, kur planuojamos būsimos įgulos misijos pagal programą Artemis. Dalis ten esančių kraterių dugnų nuolat skendi šešėlyje, todėl itin žema temperatūra gali išlaikyti vandens ledą labai ilgą laiką.
Tikslesnės prognozės, kur ledo tikimybė didžiausia, gali tiesiogiai padėti planuojant nusileidimus ir darbą paviršiuje. Detalesni šlaitų, riedulių ir kitų kliūčių žemėlapiai leidžia geriau įvertinti rizikas, parinkti saugesnius maršrutus, o neaiškias vietas nukreipti papildomiems stebėjimams.
Ilgesnėje perspektyvoje tokie modeliai gali būti naudojami lyginant skirtingais metais darytus vaizdus, aptinkant reljefo pokyčius, tikslinant terminius ir geologinius žemėlapius. Vandens ledo paieška laikoma strategiškai svarbia, nes vietiniai ištekliai ateityje galėtų prisidėti prie geriamojo vandens, deguonies ir kuro komponentų gamybos Mėnulyje.