Nini kilitokea
NASA na IBM zilizindua Muundo wa Wakfu wa Lunar, mfano wa AI unaopatikana kwa umma kwenye Hugging Face iliyoundwa kuchambua data ya mwezi kwa mpango wa Artemis. Muundo huo, uliofunzwa kwenye data kutoka kwa zana tisa katika misheni nne, unadai kuwa na ufanisi zaidi kuliko mbinu zilizopo kwa hadi 23% katika kutambua vipengele muhimu vya kijiografia kama vile mashimo na mabaki ya barafu.
NASA na IBM zilizindua Modeli ya Lunar Foundation siku ya Alhamisi, na kuifanya ipatikane kwenye jukwaa la Hugging Face. Kulingana na CNET, modeli hiyo ilifunzwa kwa miongo kadhaa ya data ya uchunguzi wa mwezi iliyochaguliwa na watafiti kutoka mashirika yote mawili kusaidia mpango wa Artemis.
Muundo huu umeundwa ili kutambua ruwaza za data kwa ukubwa katika vyombo mbalimbali, na kuchukua nafasi ya hitaji la awali la wanasayansi kuchunguza wenyewe ramani au kutumia miundo ya mashine yenye ubora wa chini, mahususi kwa ajili ya kazi mahususi. IBM na NASA zinasema kuwa mtindo huo unafanya kazi vyema zaidi kuliko mbinu zinazotumiwa sana kwa hadi 23% katika kubainisha vipengele muhimu vya kijiografia kama vile volkeno, miundo ya volkeno na maeneo yanayoweza kuwa ya barafu.
Kando ya modeli, mashirika yalitoa seti ya data ya kwanza ya chanzo huria ya aina yake, ambayo huleta pamoja makumi ya maelfu ya ramani na picha zilizokusanywa na vyombo tisa katika misheni nne za mwezi. Campbell Watson, meneja mkuu wa utafiti katika Utafiti wa IBM, alisema kuwa kutafuta wazi mtindo huo huendeleza utamaduni wa ufikiaji mpana wa kisayansi na ushirikiano.
Kwa nini ni muhimu
Toleo hili linaipa jumuiya ya wanasayansi msingi wa pamoja, wa chanzo huria wa utafiti wa mwezi, na kuondoa hitaji la kuunda miundo kutoka mwanzo kwa kila kazi mahususi. Kwa kujumlisha miongo kadhaa ya data katika zana moja inayoweza kufikiwa, huharakisha utambuzi wa rasilimali muhimu kama vile mabaki ya barafu, ambayo ni muhimu kwa kudumisha uwepo wa binadamu kwenye mwezi. Hatua hii inaendeleza utamaduni wa muda mrefu wa ufikiaji mpana wa kisayansi na ushirikiano kati ya mashirika haya mawili.
Toleo hili linatoa msingi wa pamoja kwa jumuiya ya kisayansi ya kimataifa, kuruhusu watafiti kujenga juu ya kazi iliyopo badala ya kuunda miundo mpya ya AI kutoka mwanzo kwa kila swali maalum la mwezi.
Kwa kuboresha usahihi wa ubainishaji wa vipengele vya kijiografia, muundo huu unaauni moja kwa moja mahitaji ya vifaa na kisayansi ya mpango wa Artemi, hasa katika kutafuta rasilimali kama vile mabaki ya barafu ambayo ni muhimu kwa uwepo wa binadamu kwenye mwezi.
Ushirikiano huu unaangazia mabadiliko makubwa katika jinsi mashirika ya anga ya juu yanavyotumia AI, kutoka kwa zana zilizotengwa, maalum za kazi hadi mifano ya msingi ya chanzo-wazi ambayo inaweza kubadilishwa kwa mahitaji mbalimbali ya uchunguzi.
Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli
Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Nini cha kutazama baadaye
Watafiti wataanza kurekebisha muundo kwa maswali mapya ya mwezi, ambayo yanaweza kusababisha uvumbuzi mpya katika uchoraji wa rasilimali. Utendaji wa kielelezo katika upangaji wa utume wa ulimwengu halisi ikilinganishwa na uboreshaji wake ulioripotiwa wa 23% kuliko mbinu za awali utakuwa kipimo muhimu cha matumizi yake ya vitendo katika mpango wa Artemis.
Kupitishwa kwa Mfano wa Msingi wa Lunar na vikundi huru vya utafiti na matumizi yake kwa maswali mapya ya mwezi ambayo hayakuwa sehemu ya data ya awali ya mafunzo.
Uthibitishaji wa kujitegemea wa uboreshaji wa utendaji wa 23% unaodaiwa juu ya mbinu zilizopo katika kutambua vipengele vya kijiografia vya mwezi.
Jinsi mkusanyiko wa data huria na muundo unavyounganishwa na juhudi zingine za NASA na IBM AI, kama vile familia ya Prithvi ya mifano ya uchunguzi wa hali ya hewa na dunia, ili kuunda mfumo mpana zaidi wa ikolojia wa sayansi ya sayari.