NASA и IBM запустили ИИ для Луны: он поможет искать лёд и готовить будущие лунные базы

Человечество готовится вернуться на Луну уже не ради короткого визита. Следующая цель значительно амбициознее — научиться работать там долго, находить местные ресурсы и подготовить технологии для дальнейших полётов к Марсу.

И теперь в эту задачу официально включился искусственный интеллект.

NASA и IBM представили NASA-IBM Lunar Foundation Model — одну из первых открытых foundation-моделей, созданных специально для исследования Луны.

Модель должна помочь учёным быстрее разбирать огромные массивы данных и находить на поверхности Луны закономерности, которые сложно увидеть при анализе отдельных снимков.

Среди самых интересных задач — поиск потенциальных залежей водяного льда.

И это намного важнее, чем кажется.

ИИ обучили почти на двух миллионах фрагментов Луны

За десятилетия исследования Луны NASA накопила колоссальный массив изображений и измерений.

Особенно много данных передал Lunar Reconnaissance Orbiter — аппарат, который исследует Луну с 2009 года.

NASA сообщает, что новый AI-модель обучали примерно на двух миллионах изображений-фрагментов.

В набор вошли более миллиона высокодетализированных снимков с разрешением около одного метра и почти 964 000 мультиспектральных изображений.

Дополнительно использовались данные других миссий NASA и японского аппарата SELENE/Kaguya.

Вместо того чтобы рассматривать каждый источник отдельно, система учится видеть между ними связи.

Именно это делает проект особенно интересным.

Что именно сможет находить лунный ИИ

Модель предназначена не для красивых картинок Луны.

Её задача — помогать исследователям выделять реальные особенности поверхности.

IBM и NASA называют несколько направлений:

• потенциальные залежи льда;
• кратеры;
• вулканические образования;
• геологические структуры;
• особенности рельефа, важные для будущих исследований.

По данным IBM, в тестах модель показывала результат до 22% точнее некоторых широко используемых методов при распознавании ключевых географических особенностей лунной поверхности.

Это не означает, что ИИ уже обнаружил новую огромную ледяную шахту.

Он помогает учёным быстрее находить перспективные области в существующих данных и решать, куда смотреть внимательнее.

Почему лёд на Луне настолько важен

Водяной лёд на Луне — это потенциально не просто источник питьевой воды.

Для будущей базы он может стать одним из главных местных ресурсов.

NASA объясняет, что воду можно использовать непосредственно для экипажа, а её компоненты — кислород и водород — потенциально нужны для дыхания и производства ракетного топлива.

Другими словами, если будущая экспедиция сможет добывать часть необходимых ресурсов на самой Луне, ей придётся значительно меньше доставлять с Земли.

Это один из ключевых принципов длительного присутствия людей за пределами нашей планеты.

Особенно интересны постоянно затенённые районы около лунных полюсов.

Туда почти не попадает солнечный свет, температура остаётся чрезвычайно низкой, поэтому такие места способны сохранять лёд в течение очень долгого времени.

Машина увидит то, что человеку трудно собрать в одну картину

Проблема современной космической науки иногда выглядит неожиданно: данных уже настолько много, что человеку трудно обработать их все.

Разные приборы видят Луну по-разному.

Один измеряет высоту поверхности.

Другой — спектральные свойства.

Третий — температуру.

Четвёртый — гравитационные характеристики.

Каждый набор полезен сам по себе, но самая интересная информация может находиться на пересечении нескольких наборов данных.

Foundation-модель обучается работать сразу с большим количеством таких представлений.

NASA рассматривает это как способ превращать огромные архивы наблюдений в новые научные гипотезы.

То есть ИИ здесь не заменяет учёного.

Он становится инструментом, который говорит:

«Вот здесь есть необычная комбинация признаков. Возможно, стоит проверить этот район подробнее».

Код открыт: модель сможет использовать научное сообщество

Есть ещё одна важная часть новости.

NASA-IBM Lunar Foundation Model опубликована открыто.

NASA сообщает, что сама модель доступна через Hugging Face, а код — через GitHub.

Это означает, что инструмент смогут тестировать не только команды NASA и IBM.

Исследователи из университетов и других организаций смогут использовать модель в собственных проектах, дообучать её под отдельные задачи и проверять результаты.

Вместе с моделью исследователи подготовили унифицированный набор лунных данных для машинного обучения.

IBM сообщает, что в него вошло более 30 пространственно совмещённых слоёв данных от девяти инструментов и четырёх миссий.

Для космической науки открытые инструменты такого масштаба особенно важны: одна команда создаёт основу, а затем десятки других могут искать на ней новые идеи.

От Apollo к эпохе постоянного присутствия

Программы Apollo доказали, что человек способен долететь до Луны и вернуться.

Но следующая эпоха исследований ставит другой вопрос:

можем ли мы научиться жить и работать вне Земли дольше нескольких дней?

Именно вокруг этой задачи строится Artemis.

NASA планирует развивать технологии для длительных экспедиций, изучать лунные ресурсы и использовать Луну как площадку для подготовки будущих миссий глубже в Солнечную систему.

Лёд, энергия, безопасные места посадки и подробная карта поверхности становятся не абстрактной наукой, а элементами будущей инфраструктуры.

Именно поэтому алгоритм, который точнее видит структуру поверхности, может оказаться значительно важнее, чем звучит фраза «ещё одна AI-модель».

Искусственный интеллект становится научным инструментом

Последние годы AI чаще обсуждают через чат-ботов, генерацию картинок и автоматизацию работы.

Но проект NASA и IBM показывает другое направление.

AI может использоваться как инструмент научного зрения.

Он способен соединять данные разных приборов, быстро сортировать огромные архивы и находить области, которые человеку пришлось бы искать значительно дольше.

На Земле такие методы уже используются в медицине, климатологии, физике и биологии.

Теперь подобный подход всё активнее выходит за пределы Земли.

Что будет дальше

Самое интересное начнётся, когда подобные модели соединят с новыми данными будущих миссий.

Сегодня AI анализирует накопленные наблюдения.

Завтра к ним добавятся новые орбитальные аппараты, посадочные модули, роботы и измерения непосредственно с поверхности.

Тогда система сможет постоянно уточнять карту Луны.

И, возможно, однажды ответ на вопрос «где строить следующую базу?» будет начинаться не с одного снимка, а с анализа миллионов наблюдений, выполненного искусственным интеллектом.

Это редкий случай, когда новая AI-технология выглядит не просто эффектно, а имеет совершенно понятную практическую цель.

Найти ресурсы. Лучше понять Луну. Сделать следующий большой шаг человека в космосе немного реальнее.

И если лёд в затенённых лунных кратерах действительно станет водой, кислородом и топливом для будущих экспедиций, сегодняшняя открытая AI-модель может оказаться одним из инструментов, которые помогли определить, где именно всё это искать.