IBM и NASA выпускают открытую базовую модель Луны

IBM и NASA выпускают ИИ-модель, обученную на десятилетиях наблюдений за Луной, и делают ее общедоступной. Лунная базовая модель NASA-IBM появляется на Hugging Face одновременно с тем, что ее создатели называют первым унифицированным набором данных о Луне, готовым для машинного обучения.

Проблема заключается не в недостатке данных, а в обратном. Приборы ведут наблюдения за Луной на протяжении десятилетий, производя петабайты информации. Однако ученые до сих пор часто работают с картами и изображениями вручную или создают отдельные модели для конкретных задач.

Ни один из подходов не работает эффективно в больших масштабах. Ручной анализ данных занимает слишком много времени, в то время как модели, созданные для одной задачи, часто имеют низкое разрешение и дороги в запуск. Из-за этого большая часть лунного архива остается труднодоступной для использования.

Этот набор данных в итоге может оказаться важнее самой модели. Ученые из IBM и NASA объединили более 30 пространственно выровненных слоев с девяти приборов из четырех миссий, используя данные с аппаратов NASA Lunar Reconnaissance Orbiter и GRAIL, а также японской миссии SELENE/Kaguya.

Раньше не существовало сопоставимого публичного набора данных. Традиционно лунные наблюдения хранились в разных форматах и с разным разрешением, из-за чего их было трудно объединить. Это было одним из главных препятствий на пути применения машинного обучения в области, где накопилось гораздо больше наблюдений, чем исследователи могут реально обработать.

Одно из самых очевидных применений — поиск льда. Постоянно затененные кратеры входят в число самых сложных для наблюдения мест на Луне, но они же являются и самыми перспективными точками для поиска подповерхностного льда. Этот лед может обеспечить водой и кислородом, а также стать сырьем для ракетного топлива.

Модель оценивает, где может находиться лед, объединяя наблюдения, полученные с разным разрешением. В IBM заявляют, что им удалось сократить количество ошибок при выявлении областей с высоким потенциалом залегания льда на 23% по сравнению с SwinV2-B — универсальной моделью компьютерного зрения, обученной на ImageNet.

Остальные результаты менее впечатляющие. Для вулканических образований улучшение составляет 3% на основе несовершенной разметки. Что касается обнаружения кратеров с разрешением порядка метра, модель работает примерно так же, как SwinV2-B, а не лучше, хотя и требует меньше вычислительной мощности.

Эффективность является более надежным аргументом в пользу модели, чем одна лишь точность. При разрешении примерно 100 метров она превосходит SwinV2-B почти на 19%, используя при этом вдвое меньше обучающих данных. Для исследовательских групп с ограниченными вычислительными бюджетами такая разница может иметь значение.

Хуан Бернабе-Морено (Juan Bernabe-Moreno), директор IBM Research в Европе, Великобритании и Ирландии, охарактеризовал модель с точки зрения доступности.

«Лунная базовая модель NASA-IBM дает ученым основу для масштабного исследования Луны, связывая наблюдения с разных приборов и выявляя закономерности, которые трудно заметить изолированно», — отметил он.

Картирование кратеров также имеет практическое значение, выходящее за рамки научных исследований. NASA использует его для выбора мест посадки, избегания крутых склонов и валунов, а также для оценки того, где можно построить будущую лунную инфраструктуру.

Модель входит в семейство Prithvi от IBM, которое теперь включает модели для геопространственных данных, погоды, гелиофизики и Луны. Ранее в рамках этого же партнерства была создана модель совместно с ЕКА, предназначенная для интуитивного понимания Земли. Идея та же: адаптировать одну общую модель к различным задачам вместо создания новой системы для каждого отдельного вопроса.

Европа также усиливает интерес к исследованию Луны. ЕКА объявило конкурс заявок на технологии для лунных миссий и разрабатывает автономного робота для исследования лунных пещер. Обеим инициативам потребуются подробные данные о рельефе — именно та информация, для извлечения которой предназначена эта модель.

Вода остается одной из главных причин, почему исследователи ищут лунный лед. Великобритания профинансировала концепцию космического зеркала, предназначенного для растапливания лунного льда в питьевую воду, однако подобная система полезна лишь в том случае, если существует надежный способ определить местонахождение этого льда.

Есть также интересный нюанс относительно того, где именно публикуется модель. Она отправляется на Hugging Face, о покупке которого Nvidia договорилась на прошлой неделе за 12,93 млрд долларов. Платформа, ставшая де-факто домом для открытых ИИ-моделей, таким образом, скоро обретет коммерческого владельца.

IBM и NASA не предоставили информацию о размере модели, количестве параметров, лицензии или описании архитектуры. Это одни из первых вещей, которые должны быть известны исследовательской группе перед тем, как принимать решение о том, стоит ли и как именно адаптировать модель для собственной работы.