IBM e NASA presentano un modello di intelligenza artificiale basato su decenni di dati lunari
IBM punta al settore cloud ibrido della Malesia.
- Giovedì IBM e NASA hanno rilasciato gratuitamente su Hugging Face il modello open-source NASA-IBM Lunar Foundation Model, per aiutare gli scienziati ad analizzare decenni di dati lunari e individuare ghiaccio, crateri e terreni vulcanici.
- Ha superato un benchmark comune del 23% nel rilevamento del ghiaccio e del 19% nel rilevamento dei crateri utilizzando la metà dei dati.
- Per la NASA, mappe più precise dei ghiacci sotterranei e siti di atterraggio sicuri sono prerequisiti fondamentali per una presenza umana duratura sulla Luna.
I ricercatori possono ora utilizzare un modello di intelligenza artificiale open source di IBM e NASA per analizzare decenni di osservazioni lunari alla ricerca di ghiaccio, crateri e terreni vulcanici, grazie al nuovo modello NASA-IBM Lunar Foundation Model, in preparazione al ritorno dell'uomo sulla superficie lunare. Il sistema è disponibile per il download gratuito su Hugging Face, con il codice sorgente completo pubblicato su GitHub, secondo quanto riportato da NASA Science.
Lo studio della superficie lunare è sempre stato un processo relativamente lento, con due possibili opzioni: esaminare manualmente mappe e immagini oppure addestrare un modello di apprendimento automatico specifico per ogni singola richiesta, con una risoluzione limitata. Entrambe le opzioni sono costose e spesso non colgono i dettagli più fini di cui gli scienziati hanno bisogno nelle loro ricerche, ha dichiarato IBM nel suo annuncio.
Il rilascio di un modello di base è comunque utile, poiché i ricercatori possono utilizzare un modello pre-addestrato per ogni nuovo compito, invece di crearne uno da zero quando lavorano con una diversa caratteristica geologica. Il modello lunare è l'ultima aggiunta alla famiglia Prithvi di modelli open science di IBM, che già trova applicazione nell'analisi geospaziale, nella meteorologia e nell'eliofisica. Juan Bernabe-Moreno, direttore di IBM Research Europe, UK and Ireland, ha affermato che il nuovo sistema offre agli scienziati un modo per analizzare le osservazioni lunari su larga scala edentmodelli che potrebbero essere difficili da rilevare studiando singoli set di dati.
"Il modello fornisce agli scienziati una base per esplorare la Luna su vasta scala, collegando le osservazioni provenienti da diversi strumenti e rivelando schemi difficili da individuare singolarmente", ha affermato Bernabe-Moreno.
Il modello di fondazione lunare supera i parametri di riferimento prestazionali
La NASA e IBM hanno confrontato il modello con SwinV2-B, un sistema di visione addestrato da Microsoft e ampiamente utilizzato come riferimento per l'analisi delle immagini. Il nuovo modello ha ridotto gli errori del 23% nell'individuazione dei depositi di ghiaccio e ha superato SwinV2-B del 19% nell'individuazione e classificazione dei crateri, pur essendo stato addestrato con la metà dei dati. Il documento tecnico di IBM ha riportato un miglioramento delle prestazioni del 3% quando il modello è stato utilizzato per identificaredentformazioni vulcaniche note come Irregular Mare Patches, richiedendo inoltre una minore messa a punto.
Il modello è stato sottoposto a un test reale il 5 agosto, quando IBM gli ha fornito un'immagine che mostrava il sito d'impatto lasciato da un razzo SpaceX Falcon 9 sulla Luna. Nonostante il nuovo impatto apparisse quasi esattamente sopra un cratere preesistente, il modello lo ha correttamentedentcome un cratere di nuova formazione.
L'obiettivo rimane quello di rendere possibile una presenza umana stabile sulla Luna. La mappatura delle regioni permanentemente in ombra vicino ai poli lunari rappresenta ancora una sfida importante, poiché queste aree sono tra le più difficili da osservare sulla Luna e potrebbero contenere depositi di ghiaccio nel sottosuolo. IBM ha affermato che il ghiaccio potrebbe fornire acqua e ossigeno per le future basi lunari, oltre a materie prime per il carburante dei razzi che potrebbe supportare le missioni su Marte.
Il set di dati potrebbe durare più a lungo del modello
Le organizzazioni hanno inoltre pubblicato quello che hanno definito il primo set di dati unificato della Luna, pronto per l'apprendimento automatico. Il set di dati riunisce oltre 30 livelli spazialmente allineati, raccolti da nove strumenti nel corso di quattro diverse missioni lunari.
Questo set di dati raccoglie immagini dal Lunar Reconnaissance Orbiter della NASA e dalla missione gravitazionale GRAIL, aggiungendo dati dall'orbiter giapponese SELENE/Kaguya. Bernabe-Moreno ha affermato che i circa due milioni di punti dati co-registrati potrebbero rivelarsi il contributo più duraturo del modello stesso. "Sono i dati che creano davvero l'industria dei modelli di intelligenza artificiale", ha dichiarato.
Il rilascio del modello di intelligenza artificiale si basa su una collaborazione che risale a oltre cinquant'anni fa, al programma Apollo.
Le menti più brillanti del mondo delle criptovalute leggono già la nostra newsletter. Vuoi partecipare? Unisciti a loro.
Opeyemi Olanrewaju
Opeyemi è specializzato nella creazione e nel perfezionamento di contenuti di alta qualità incentrati su criptovalute, mercati finanziari globali ed economia. Si è laureato in Medicina e Chirurgia presso l'Università di Ibadan. Ha lavorato come caporedattore della pubblicazione universitaria e in precedenza presso CFA. Per oltre sei anni, ha contribuito a preservare l'unicità del sito in qualità di responsabile editoriale di Cryptopolitan.
