NASA en IBM lanceren gratis AI-model om het maanoppervlak te analyseren

NASA en techbedrijf IBM Research hebben samen met verschillende universiteiten een kunstmatige-intelligentiemodel ontwikkeld speciaal voor onderzoek naar de maan. Het zogeheten NASA-IBM Lunar Foundation Model is een van de eerste open-source AI-modellen die specifiek zijn gebouwd voor maanwetenschap. Iedereen kan het gratis gebruiken via het platform Hugging Face, en de programmeercode staat op GitHub voor wie er zelf mee wil experimenteren.

Het model is een foundation model: een AI-systeem dat eerst op enorme hoeveelheden ongelabelde data is voorgetraind, waarna het relatief snel kan worden aangepast voor specifieke taken. Dat scheelt onderzoekers veel tijd, want normaal gesproken moet voor elke nieuwe wetenschappelijke vraag een apart algoritme vanaf nul worden gebouwd en getraind. Met dit model kunnen wetenschappers sneller kaarten maken van het rotsachtige maanoppervlak, de geologische geschiedenis van de maan beter begrijpen en toekomstige onderzoeksmissies plannen.

Zeventien jaar aan maanfoto's als bouwmateriaal

De basis van het model is data van NASA's Lunar Reconnaissance Orbiter (LRO), een ruimtevaartuig dat al zeventien jaar in een baan om de maan foto's en metingen verzamelt. Deze missie leverde meer data op dan alle andere NASA-planeetmissies bij elkaar, met een bijna naadloze, hoge-resolutie mozaïek van het volledige maanoppervlak. Voor de training van het AI-model gebruikten de onderzoekers ongeveer twee miljoen beeldtegels: ruim een miljoen scherpe camerabeelden met een resolutie van 1 meter en bijna 964.000 multispectrale opnames met een resolutie van 100 meter. Bij multispectrale beeldvorming legt een camera niet alleen zichtbaar licht vast, maar ook andere golflengtes, waardoor bijvoorbeeld mineralen beter te onderscheiden zijn.

Daarnaast is het model getraind op beeld- en terreindata van andere maanmissies, zoals NASA's zwaartekrachtmissie GRAIL, de Lunar Prospector-missie en de Japanse Selene-missie van ruimtevaartorganisatie JAXA. Door deze bronnen te combineren, beschikt het model over een breed en gedetailleerd beeld van het maanoppervlak.

Van databerg naar bruikbare kennis

Volgens Kevin Murphy, wetenschappelijk data- en AI-directeur bij NASA, ligt de grootste uitdaging niet in het verzamelen van data, maar in het bruikbaar maken ervan. NASA beschikt over petabytes aan wetenschappelijke data, een hoeveelheid die voor mensen alleen nauwelijks te doorgronden is. Met AI-modellen als dit kunnen onderzoekers die databergen veel efficiënter doorzoeken en omzetten in concrete inzichten, aldus Murphy.

Het model komt op een moment dat de belangstelling voor de maan weer toeneemt, mede door NASA's Artemis-programma dat astronauten terug naar het maanoppervlak moet brengen. Betere en snellere analyse van het terrein is daarbij essentieel, bijvoorbeeld om veilige landingsplekken te bepalen of interessante onderzoekslocaties te selecteren.