NASA och IBM tränar AI på 17 års måndata
NASA och IBM har lanserat NASA-IBM Lunar Foundation Model, en öppen AI-modell tränad på 17 års data från månorbitern Lunar Reconnaissance Orbiter – inklusive högupplösta foton av nästan hela månens yta. Modellen ska bland annat hjälpa forskare att identifiera var isansamlingar finns på månen, vilket är avgörande för framtida bemannade uppdrag.
Djupdykning
NASA och IBM har tränat sin nya AI-modell på sjutton års data från Lunar Reconnaissance Orbiter – ett rymdskepp som cirkulerat månen sedan 2009 och kartlagt dess yta med en detaljeringsgrad vi aldrig haft tidigare. En "foundation model" (tänk ChatGPT fast för måndata istället för text) är en stor grundmodell som kan finjusteras för många olika uppgifter, vilket är poängen här: samma modell kan analysera terräng, leta efter is och kanske identifiera landningsplatser – allt utan att man behöver bygga separata system för varje uppgift. Det som de flesta missar i rapporteringen är att isdepåerna på månen inte är en akademisk kuriositet. Is på månen kan spjälkas till väte och syre, vilket betyder raketbränsle och andningsluft – och det är precis det som gör Artemis-programmets ambitioner om en permanent månbas rimliga på pappret. Att öppen källkod valts är också ett medvetet beslut: NASA vill att forskare världen över ska kunna bygga vidare på modellen, snarare än att låsa in kapaciteten hos en enda aktör. Om modellen faktiskt lyckas peka ut de bästa isdepåerna med hög precision kan det förkorta tidslinjen för var nästa bemannade månlandning sker – kartan dikterar destinationen.