NASA та IBM представили спеціалізовану foundation model для дослідження Місяця. Система створена для аналізу великих масивів зображень і наукових даних про поверхню супутника та має допомагати дослідникам швидше знаходити геологічні структури, порівнювати ділянки й формувати нові гіпотези.
Космічні місії накопичили величезний архів знімків, карт висот, спектральних вимірювань та іншої інформації. Людина фізично не може вручну переглянути весь масив, тому AI стає інструментом попереднього аналізу.
Модель навчають на наукових даних, а не на випадкових зображеннях
Головна відмінність спеціалізованої foundation model від універсального генератора полягає у джерелах навчання. Система повинна розуміти не просто візуальну схожість, а структури, які мають геологічне значення.
Наприклад, дослідник може шукати певний тип кратерів, сліди старих потоків матеріалу або регіони з незвичною текстурою поверхні. AI швидко відбирає потенційно цікаві ділянки, після чого експерт перевіряє їх детальніше.
Такий підхід не замінює науковця. Він скорочує час між отриманням даних і появою запитань, які варто досліджувати глибше.
AI стає частиною підготовки майбутніх місячних місій
Місяць знову є одним із головних напрямів космічних програм. Для вибору місць посадки, планування маршрутів і оцінки ресурсів потрібні дедалі детальніші карти.
Якщо модель зможе стабільно працювати з різними типами даних, її можна буде використовувати не лише для архівних досліджень, а й для швидкого аналізу інформації від майбутніх орбітальних апаратів і посадкових місій.
Спільний проєкт NASA та IBM показує новий етап використання AI в науці: модель не створює красиву картинку про космос, а допомагає працювати з реальними вимірюваннями й знаходити закономірності в масивах даних, які постійно зростають.
Подібні моделі можуть бути особливо корисними для невеликих наукових груп, яким складно самостійно обробляти терабайти космічних даних. Якщо інструмент швидко відбирає потенційно цікаві ділянки, дослідники можуть витрачати більше часу на перевірку гіпотез і порівняння результатів, а не на ручний перегляд тисяч майже однакових знімків.