La NASA acumula dècades de dades sobre la superfície i el subsòl lunars captades per instruments i missions molt diferents entre si, amb resolucions i formats que no sempre encaixen; combinar-les per respondre preguntes concretes —on hi ha gel d'aigua, quins cràters amaguen la millor informació geològica, quines zones són segures per aterrar-hi— ha estat fins ara una feina lenta que depenia en bona part de l'anàlisi manual d'especialistes.
IBM i la NASA han publicat el 10 de setembre en obert el Model de Fundació Lunar NASA-IBM, un sistema multimodal entrenat amb més de trenta capes de dades alineades espacialment procedents de nou instruments de quatre missions, entre elles la sonda Lunar Reconnaissance Orbiter, la missió GRAIL i observacions complementàries de la japonesa SELENE/Kaguya. El model, disponible a Hugging Face amb llicència oberta Apache 2.0 i amb el codi d'ajust fi mantingut en un repositori de la NASA, permet identificar dipòsits de gel a les zones permanentment ombrejades del pol sud, detectar restes d'activitat volcànica antiga i localitzar cràters rellevants per triar futurs llocs d'aterratge. Segons les xifres publicades per les dues institucions, el model redueix un 22% els errors en la detecció de gel i millora fins a un 19% la identificació de cràters a escala de context respecte a un model de referència anterior, fent servir només la meitat de dades d'entrenament. «El Model de Fundació Lunar NASA-IBM mostra què és possible quan portem la IA als petabytes de dades científiques de la NASA», ha declarat Kevin Murphy, de la NASA.
La notícia és rellevant perquè posa a l'abast de qualsevol grup de recerca —no només dels grans equips amb accés directe a les dades originals de cada missió— una eina que unifica per primer cop aquest volum d'observacions lunars, en un moment en què creix l'interès internacional per establir una presència humana sostinguda a la Lluna i cal identificar amb precisió recursos com el gel d'aigua.
Les xifres de millora respecte als mètodes anteriors provenen de la mateixa IBM i la NASA, sense que encara hi hagi una validació independent publicada, i el model és una eina per prioritzar on val la pena investigar més a fons, no un substitut de les mesures directes sobre el terreny; caldrà veure com respon quan s'apliqui a dades de futures missions que encara no formaven part del seu entrenament.