A NASA e a IBM desenvolveram o NASA-IBM Lunar Foundation Model, uma inteligência artificial de código aberto voltada à ciência lunar. Treinada com dados da Lunar Reconnaissance Orbiter, a ferramenta analisa padrões em um imenso volume de informações para acelerar pesquisas, como o mapeamento de crateras, estruturas vulcânicas e regiões polares, auxiliando a agência a localizar gelo e a preparar o retorno de astronautas à Lua.
Ao longo de 17 anos, a Lunar Reconnaissance Orbiter fotografou e mediu a Lua até construir um dos arquivos mais detalhados que existem sobre sua superfície. A NASA afirma que a missão gerou um volume de dados maior que o de todas as suas outras missões planetárias combinadas, com uma cobertura que permite observar boa parte do terreno lunar em alta resolução. O problema já não é apenas obter informações, mas processá-las com rapidez suficiente para extrair padrões úteis. E essa tarefa ganha importância enquanto a agência prepara o retorno de astronautas à superfície lunar.
Para aproveitar melhor esse material, a NASA e a IBM, junto com várias instituições acadêmicas, desenvolveram o NASA-IBM Lunar Foundation Model, um modelo de inteligência artificial especializado em ciência lunar e treinado principalmente com observações da Lunar Reconnaissance Orbiter. A ferramenta foi publicada como código aberto e pode ser adaptada a tarefas específicas, desde o mapeamento de crateras até o estudo de regiões polares ou determinadas estruturas vulcânicas. A ideia não é substituir a análise científica, mas acelerar uma parte do trabalho que, com modelos tradicionais, exige desenvolver e treinar sistemas especializados para cada tarefa.
Uma IA treinada com a Lua
O segredo está em como o modelo foi treinado. Um modelo fundacional aprende primeiro padrões gerais a partir de grandes quantidades de dados, sem a necessidade de que cada imagem esteja etiquetada para uma tarefa específica. Neste ...
Matérias relacionadas
China e Rússia revelam plano extremamente ambicioso: construir uma usina nuclear na Lua até 2028
-1iun5w7r1upgm.png)
