Apa yang terjadi
NASA dan IBM meluncurkan Lunar , model AI yang tersedia untuk umum di Hugging Face yang dirancang untuk menganalisis data bulan untuk program Artemis. Model tersebut, yang dilatih berdasarkan data dari sembilan instrumen di empat misi, diklaim mengungguli metode yang ada hingga 23% dalam mengidentifikasi fitur geografis utama seperti kawah dan endapan es.
NASA dan IBM meluncurkan Lunar pada hari Kamis, membuatnya tersedia pada platform Hugging Face. Menurut CNET, model tersebut dilatih berdasarkan data observasi bulan selama beberapa dekade yang dipilih oleh peneliti dari kedua organisasi untuk mendukung program Artemis.
Model ini dirancang untuk mengidentifikasi pola data dalam skala besar di berbagai instrumen, menggantikan kebutuhan sebelumnya bagi para ilmuwan untuk memeriksa peta secara manual atau menggunakan model pembelajaran mesin dengan resolusi rendah dan spesifik tugas. IBM dan NASA menyatakan bahwa model tersebut mengungguli metode yang banyak digunakan hingga 23% dalam mengidentifikasi fitur geografis utama seperti kawah, formasi gunung berapi, dan potensi endapan es.
Bersamaan dengan model tersebut, organisasi-organisasi tersebut merilis kumpulan data bulan open-source pertama dari jenisnya, yang menyatukan puluhan ribu peta dan gambar yang dikumpulkan oleh sembilan instrumen di empat misi bulan. Campbell Watson, manajer riset senior di IBM Research, menyatakan bahwa model open source melanjutkan tradisi akses dan kolaborasi ilmiah yang luas.
Mengapa itu penting
Rilis ini memberikan komunitas ilmiah landasan bersama dan sumber terbuka untuk penelitian bulan, sehingga menghilangkan kebutuhan untuk membuat model dari awal untuk setiap tugas tertentu. Dengan menggabungkan data selama puluhan tahun ke dalam satu alat yang dapat diakses, hal ini mempercepat identifikasi sumber daya penting seperti endapan es, yang penting untuk mempertahankan keberadaan manusia di bulan. Langkah ini melanjutkan tradisi lama mengenai akses ilmiah yang luas dan kolaborasi antara kedua organisasi.
Rilis ini memberikan landasan bersama bagi komunitas ilmiah global, memungkinkan para peneliti untuk mengembangkan pekerjaan yang sudah ada daripada membuat model AI baru dari awal untuk setiap pertanyaan spesifik tentang bulan.
Dengan meningkatkan akurasi identifikasi fitur geografis, model ini secara langsung mendukung persyaratan logistik dan ilmiah program Artemis, khususnya dalam menemukan sumber daya seperti endapan es yang penting bagi keberadaan manusia di bulan di masa depan.
Kolaborasi ini menyoroti perubahan signifikan dalam cara badan antariksa memanfaatkan AI, beralih dari alat yang terisolasi dan khusus untuk tugas ke model landasan sumber terbuka yang komprehensif yang dapat diadaptasi untuk berbagai kebutuhan eksplorasi.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Apa yang harus ditonton selanjutnya
Para peneliti kemungkinan akan mulai mengadaptasi model tersebut untuk pertanyaan-pertanyaan baru tentang bulan, yang berpotensi mengarah pada penemuan-penemuan baru dalam pemetaan sumber daya. Kinerja model dalam perencanaan misi dunia nyata dibandingkan dengan peningkatan 23% yang dilaporkan dibandingkan metode sebelumnya akan menjadi metrik utama untuk kegunaan praktisnya dalam program Artemis.
Penerapan Lunar oleh kelompok penelitian independen dan penerapannya pada pertanyaan bulan baru yang bukan merupakan bagian dari data pelatihan asli.
Verifikasi independen atas klaim peningkatan kinerja sebesar 23% dibandingkan metode yang ada dalam mengidentifikasi fitur geografis bulan.
Bagaimana kumpulan data dan model sumber terbuka berintegrasi dengan upaya AI NASA dan IBM lainnya, seperti rangkaian model Prithvi untuk pengamatan cuaca dan bumi, guna menciptakan ekosistem yang lebih luas untuk ilmu pengetahuan planet.