IBM和NASA聯合發佈用於月球探測的人工智能模型

研究人員現在可以利用IBM和NASA聯合開發的開源人工智能模型，通過分析數十年來月球的觀測數據，尋找冰層、隕石坑和火山地形。該模型名爲NASA-IBM月球基金會模型，是爲人類重返月球做準備。據NASA科學部門稱，該系統可在Hugging Face網站免費下載，其完整代碼庫已發佈在GitHub上。.

IBM在公告中指出，研究月球表面一直是一個相對緩慢的過程，通常只有兩種選擇：一是手動梳理地圖和圖像；二是針對每個單獨的需求訓練一個分辨率較低、範圍較窄的機器學習模型。這兩種方法運行成本都很高，而且往往會遺漏科學家研究中所需的精細 細節。

基礎模型的發佈確實有所幫助，因爲研究人員可以針對每個新任務使用預訓練模型，而無需在處理不同的地質特徵時重新構建模型。該月球模型是 IBM Prithvi 開放科學模型系列的最新成員，該系列模型已涵蓋地理空間分析、氣象和太陽物理學等領域的應用。IBM 歐洲、英國和愛爾蘭研究院院長 Juan Bernabe-Moreno 表示，新系統爲科學家提供了一種大規模分析月球觀測數據的方法，並dent出在研究單個數據集時可能難以發現的模式。.

“該模型爲科學家們大規模探索月球奠定了基礎，將不同儀器的觀測結果聯繫起來，揭示了單獨來看難以發現的模式，”貝爾納貝-莫雷諾說。.

月球基金會模型邊緣性能基準

NASA 和 IBM 將該模型與 SwinV2-B 進行了對比測試。SwinV2-B 是微軟訓練的視覺系統，被廣泛用作圖像分析的基準模型。新模型在定位冰沉積物時誤差降低了 23%，在尋找和分類隕石坑方面也比 SwinV2-B 快了 19%，儘管它的訓練數據只有 SwinV2-B 的一半。IBM 的技術論文指出，該模型在識別被dent“不規則月海斑塊”的火山特徵時，性能提高了 3%，而且所需的微調也更少。

8月5日，IBM對該模型進行了實際測試，向其輸入了一張SpaceX獵鷹9號火箭撞擊月球后留下的撞擊坑圖像。儘管新的撞擊坑幾乎直接位於一個現有隕石坑的正上方，但該模型仍然正確地dent其識別爲一個新形成的隕石坑。.

最終目標仍然是實現人類在月球上的長期存在。繪製月球兩極附近永久陰影區的地圖仍然是一項重大挑戰，因爲這些區域是月球上最難觀測的區域之一，而且可能蘊藏着地下冰層。IBM表示，這些冰可以爲未來的月球基地提供水和氧氣，同時也能爲火星任務提供火箭燃料的原材料。.

數據集的壽命可能比模型更長。

這些機構還發布了他們所稱的首個統一的、可用於機器學習的月球數據集。該數據集整合了由四次獨立月球探測任務中的九種儀器收集的30多個空間對齊的圖層。.

該數據 集整合了 來自美國宇航局月球勘測軌道飛行器（LRO）和GRAIL重力探測任務的圖像，並加入了來自日本SELENE/Kaguya探測器的數據。貝爾納貝-莫雷諾表示，大約兩百萬個經過配準的數據點或許比模型本身更具持久價值。“數據纔是人工智能模型產業的真正基石，”他說道。

該人工智能模型的發佈建立在雙方長達五十多年的合作關係之上，這段合作關係可以追溯到阿波羅計劃時期。.

最頂尖的加密貨幣專家都在閱讀我們的簡報。想 加入他們？