Model AI dapat membantu para ilmuwan mengidentifikasi es, gunung berapi, dan kawah bulan dengan lebih baik.
Model AI sumber terbuka baru yang dilatih berdasarkan data pengamatan bulan ekstensif milik NASA diharapkan dapat membantu para ilmuwan menavigasi rencana kolonisasi bulan dengan lebih baik.
Model Fondasi Lunar NASA‑IBM adalah salah satu model landasan pertama yang tersedia untuk umum untuk eksplorasi ilmiah di bulan, yang hadir hanya beberapa bulan setelah AI Prithvi dari kedua organisasi tersebut membuat sejarah dengan menjadi model landasan geospasial pertama yang diterapkan di orbit.
Bulan yang merupakan tetangga bumi ini memiliki topografi yang gersang dan bervariasi, ditutupi oleh kawah, es, dan aktivitas vulkanik – semuanya terdeteksi selama beberapa dekade oleh berbagai sensor dan instrumen. Namun, data yang dikumpulkan berukuran petabyte tersebar di seluruh peta dan gambar yang memerlukan pemeriksaan fisik, atau hanya dapat diakses oleh model pembelajaran mesin khusus tugas.
Model AI khusus domain dapat mengubah cara ilmuwan menganalisis data, sehingga berpotensi mempercepat identifikasi dan pemahaman geografi bulan. Lunar Foundation Model mencapai hal ini dengan menggabungkan observasi multimodal dan multi-resolusi.
Menurut IBM dan NASA, model baru ini dapat digunakan untuk menyelidiki potensi endapan es di bulan di wilayah yang terkena bayangan permanen di bulan, yang dapat mengindikasikan adanya air dan oksigen.
Hal ini juga dapat digunakan untuk mempelajari fitur vulkanik bulan, yang disebut ‘irregular mare patch’, dan mengidentifikasi kawah dengan lebih baik untuk memastikan lokasi pendaratan yang lebih aman bagi pesawat ruang angkasa.
“NASA telah menghabiskan waktu puluhan tahun untuk membuat catatan ilmiah yang luar biasa tentang bulan, namun pengumpulan data hanyalah sebagian dari pekerjaannya,” kata Kevin Murphy, chief science data officer dan penjabat kepala data dan AI di NASA.
“Kita juga harus membuat data lebih mudah dijelajahi dan digunakan oleh para ilmuwan. Model Lunar Foundation NASA-IBM menunjukkan apa yang mungkin terjadi ketika kita membawa AI ke data ilmiah NASA yang berukuran petabyte. Ini adalah peluang nyata yang kita lihat dengan AI – mengubah data berskala besar menjadi penemuan baru.”
Selain model tersebut, para ilmuwan IBM dan NASA juga membangun kumpulan data bulan open-source pertama dari jenisnya, yang terbuat dari lapisan data dari sembilan instrumen yang digunakan dalam empat misi.
Kumpulan data tersebut mencakup puluhan ribu gambar dan peta permukaan bulan dari Lunar Reconnaissance Orbiter NASA dan misi GRAIL, serta data dari Badan Eksplorasi Dirgantara Jepang.