A NASA és az IBM közös AI-ja a Microsoft képelemző rendszerét is felülmúlta a Hold kutatásában
A NASA és az IBM nyílt forráskódú mesterséges intelligenciát fejlesztett ki, amely alapjaiban alakíthatja át a Hold feltérképezését. A kifejezetten a holdfelszín elemzésére megalkotott alapmodell nemcsak a rejtett vízjég és kráterek felkutatásában mutat kimagasló pontosságot, de a tesztek során a Microsoft képelemző rendszerét is maga mögé utasította.
Az emberes űrkutatás intenzív időszakát éli: a NASA Artemis II küldetése során évtizedek után először kerülték meg űrhajósok a Holdat, a szervezet pedig készül a következő emberes holdraszállásra. Az új küldetések megalapozásához elengedhetetlen a Hold felszínének pontos ismerete – ebben hozhat áttörést a két technológiai óriás együttműködése.
Jégkeresésben és kráterazonosításban is kiemelkedő
A mérnökök közösen hozták létre a NASA-IBM Lunar Foundation Model nevű rendszert, amelyet nyílt forráskódúvá tettek, így a Hugging Face platformon keresztül bármely kutató számára ingyenesen hozzáférhető.
Juan Bernabé-Moreno, az IBM Research Europe igazgatója elmondta, hogy az újdonság alapmodellként funkcionál, vagyis számos különböző űrkutatási feladatra specializálható. A modell egyik legfontosabb képessége, hogy nagy pontossággal képes beazonosítani azokat a területeket, ahol fagyott vízjég rejtőzhet a felszínen – ez a leendő holdbázisok fenntarthatósága szempontjából kulcskérdés.
A modellt összevetették a Microsoft által fejlesztett, iparági referenciának számító SwinV2-B képelemző rendszerrel is. A NASA és az IBM megoldása 23 százalékkal kevesebb hibát vétett az elemzések során. A kráterek azonosításában és osztályozásában 19 százalékkal múlta felül a Microsoft modelljét, ráadásul mindezt feleannyi betanítási adat felhasználásával érte el.
A rendszer egy valós szituációban is vizsgázott: amikor augusztus 5-én a SpaceX egyik rakétája a Holdba csapódott, a becsapódási fotók betáplálása után az AI azonnal és hibátlanul azonosította az újonnan keletkezett krátert – annak ellenére, hogy az szinte teljesen egybeesett egy már korábban létező becsapódási nyommal.
Kihívást jelentettek a holdbéli fényviszonyok
A kutatóknak komoly kihívásokkal kellett megküzdeniük a betanítás során. A Holdon nincs légkör, amely szórná és lágyítaná a beeső napfényt, így az árnyékok rendkívül sötétek, a kontúrok pedig élesek. A felvételeken az árnyékos részek pixelei szinte semmilyen vizuális adatot nem hordoznak, emiatt egy-egy kráter a napállástól függően teljesen eltérő képet mutat.
A hagyományos gépi tanulási módszerek – például amikor a kép 90 százalékát kitakarják, és a rendszert a maradék kiegészítésére kérik – itt csődöt mondtak, a kráterek ugyanis a műholdas felvételeken túlságosan hasonlóak egymáshoz. A mérnökök végül úgy hidalták át a problémát, hogy a Hold felszínét különálló régiókra osztották, és szigorúan elkülönítették egymástól a tanításra, illetve a kizárólag tesztelésre használt területeket.
A projekt legnagyobb erénye a nyílt forráskódúság: a fejlesztők bíznak benne, hogy a nemzetközi tudósközösség szabadon épít majd az AI-ra, felgyorsítva az emberiség visszatérését az égitestre.
