IBM وNASA تطلقان نموذج ذكاء اصطناعي مبني على عقود من البيانات القمرية
آي بي إم تتطلع إلى قطاع السحابة الهجينة في ماليزيا.
- أطلقت آي بي إم وناسا يوم الخميس نموذج
- فاز بالمعيار الشائع بنسبة 23% في كشف الجليد و19% في تحديد الفوهات باستخدام نصف البيانات فقط.
- بالنسبة لناسا، تُعد الخرائط الأفضل للجليد تحت السطح ومواقع الهبوط الآمنة شروطًا مسبقة لوجود بشري دائم على القمر.
يمكن للباحثين الآن استخدام نموذج ذكاء اصطناعي مفتوح المصدر من IBM وNASA لتصفية عقود من الملاحظات القمرية بحثاً عن الجليد والفوهات والتضاريس البركانية باستخدام نموذج NASA-IBM Lunar Foundation Model الذي تم إصداره مؤخراً، استعداداً لإعادة البشر إلى سطح القمر. النظام متاح كتحميل مجاني على Hugging Face، مع نشر شفرة المصدر الكاملة على GitHub، وفقاً لـ NASA Science.
لطالما كان دراسة سطح القمر عملية بطيئة نسبياً مع وجود خيارين محتملين، يتضمنان التصفح اليدوي للخرائط والصور، أو تدريب نموذج تعلم آلي ضيق ومنخفض الدقة لكل طلب منفصل. كلا الخيارين مكلفان في التشغيل وغالباً ما يفوتان التفاصيل الدقيقة التي يحتاجها العلماء في أبحاثهم، قالت IBM في إعلانها.
إطلاق نموذج أساسي يساعد رغم ذلك، حيث يمكن للباحثين بعد ذلك استخدام نموذج مدرب مسبقاً لكل مهمة جديدة بدلاً من بناء نموذج جديد عند العمل مع ميزة جيولوجية مختلفة. يعد النموذج القمري أحدث إضافة لعائلة Prithvi من نماذج العلوم المفتوحة التابعة لـ IBM، والتي تغطي بالفعل تطبيقات في التحليل الجغرافي المكانية، والطقس، والفيزياء الشمسية. قال خوان بيرنابي-مورينو، مدير أبحاث IBM في أوروبا والمملكة المتحدة وأيرلندا، إن النظام الجديد يمنح العلماء طريقة لتحليل الملاحظات القمرية على نطاق واسع وتحديد الأنماط التي قد تكون صعبة الكشف عند دراسة مجموعات البيانات الفردية.
"يمنح النموذج العلماء أساساً لاستكشاف القمر على نطاق واسع، وربط الملاحظات عبر الأجهزة، وكشف الأنماط التي يصعب رؤيتها بشكل منفصل"، قال بيرنابي-مورينو.
النموذج الأساسي القمري يتفوق على معايير الأداء
قاسا ناسا و IBM النموذج مقابل SwinV2-B، وهو نظام رؤية مدربه من قبل مايكروسوفت يُستخدم على نطاق واسع كخط أساس لتحليل الصور. قلل النموذج الجديد الأخطاء بنسبة 23% عند استخدامه في تحديد رواسب الجليد، وتفوق على SwinV2-B بنسبة 19% في العثور على الفوهات وتصنيفها، على الرغم من تدريبه على نصف البيانات. أفادت الورقة التقنية لـ IBM عن تحسن في الأداء بنسبة 3% عند استخدام النموذج لتحديد الميزات البركانية المعروفة باسم بقع البحر غير المنتظمة، بينما يتطلب أيضاً ضبطاً أدق أقل.
خضع النموذج لاختبار حي في 5 أغسطس، عندما قامت IBM بإدخال صورة تظهر موقع التأثير الذي خلفته بعد أن اصطدم صاروخ Falcon 9 التابع لشركة SpaceX بالقمر. على الرغم من أن التأثير الجديد يبدو مباشرة فوق فوهة موجودة، فقد حدد النموذج بشكل صحيح أنه فوهة جديدة التشكل.
الهدف لا يزال جعل الوجود البشري المستدام على القمر ممكناً. يظل رسم خرائط المناطق المظللة بشكل دائم بالقرب من أقطاب القمر تحدياً كبيراً لأن هذه المناطق هي من بين أصعب المناطق في القمر للملاحظة وقد تحتوي على رواسب من الجليد تحت السطح. قالت IBM إن الجليد يمكن أن يوفر الماء والأكسجين لقواعد القمر المستقبلية بينما يوفر أيضاً مواد خام لوقود الصواريخ الذي يمكن أن يدعم المهمات إلى المريخ.
مجموعة البيانات قد تتفوق على النموذج
أطلقت المنظمات أيضاً ما أسمته بأول مجموعة بيانات موحدة وجاهزة للتعلم الآلي للقمر. تجمع مجموعة البيانات بين أكثر من 30 طبقة متوافقة مكانياً تم جمعها بواسطة تسعة أجهزة عبر أربع مهمات قمرية منفصلة.
هذا المجموعة البيانات تستمد الصور من قمر الاستطلاع القمري التابع لناسا ومهمة الجاذبية GRAIL وتضيف بيانات من قمر SELENE/Kaguya الياباني. قال بيرنابي-مورينو إن نقاط البيانات المسجلة تقريباً والمكونة من حوالي مليوني نقطة قد تثبت أنها المساهمة الدائمة أكثر من النموذج نفسه. "البيانات هي ما يخلق صناعة نماذج الذكاء الاصطناعي حقاً"، كما stated.
إطلاق نموذج الذكاء الاصطناعي يبني على شراكة تعود إلى أكثر من خمسة عقود إلى برنامج أبولو.
لا تكتفِ بقراءة أخبار العملات الرقمية فحسب، بل افهمها. اشترك في نشرتنا الإخبارية. مجانية.
أوبييمي أولانريواجو
يتخصص أوبييمي في إنشاء وتطوير محتوى عالي الجودة يركز على العملات الرقمية والأسواق المالية العالمية والاقتصاد. تخرج من جامعة إيبادان بدرجة بكالوريوس الطب والجراحة (MBBS). عمل محررًا رئيسيًا للنشر التحريري لكلية، وسابقًا في CFA. منذ أكثر من ست سنوات، ساعد في الحفاظ على التميز كصحفي أخبار في موقع كريبتوبوليتان.
