NASA и IBM выпустили открытую ИИ-модель для изучения Луны – точность выше на 23 процента

NASA и IBM представили NASA-IBM Lunar Foundation Model, открытую ИИ-систему для анализа лунной поверхности. Модель доступна для загрузки на Hugging Face вместе с набором данных, на основе которого другие исследователи смогут обучать собственные системы. Релиз состоялся на фоне подготовки агентства к следующим миссиям программы Artemis.

Поводом для работы стал растущий интерес к Луне после полёта Artemis II, первой пилотируемой миссии к спутнику с 1972 года. Теперь NASA хочет дать учёным инструменты, которые ускорят подготовку к высадке.

По словам Хуана Бернабе-Морено, директора IBM Research Europe в Великобритании и Ирландии, фундаментальная модель способна решать сразу несколько типов задач. Первым делом NASA и IBM обнаружили, что система особенно хорошо определяет участки лунной поверхности, где может залегать лёд.

Разработчики сравнили прогнозы модели с картой, построенной по опубликованному научному алгоритму, учитывающему рельеф, тепловые и другие данные об окружающей среде. Затем систему проверили в сравнении с SwinV2-B, обученной Microsoft моделью машинного зрения для обработки изображений высокого разрешения. Модель NASA и IBM сократила количество ошибок на 23 процента.

SwinV2-B выбрали в качестве точки отсчёта, так как эта система часто выступает базовым решением для задач анализа изображений. На отдельном тесте по обнаружению и классификации кратеров новая модель обошла конкурента на 19 процентов, использовав при этом вдвое меньше обучающих данных.

Проверить возможности системы в реальных условиях удалось после падения ракеты SpaceX Falcon 9 на Луну 5 августа. Когда специалисты IBM загрузили в модель снимок места удара, она верно распознала свежий кратер, несмотря на то что он почти полностью перекрывался с уже существующим.

Хуан Бернабе-Морено, директор IBM Research Europe в Великобритании и Ирландии:

Это сработало фантастически

Обучение модели оказалось непростой задачей. Земная атмосфера рассеивает солнечный свет и заполняет тени рассеянным освещением, размывая их границы, поэтому спутниковые снимки планеты выглядят чистыми и информативными. На Луне тени получаются абсолютно чёрными с четкими краями, и затенённые пиксели не несут вообще никакой информации.

На Луне у вас есть Солнце в разные моменты дня, оно освещает поверхность и вырезает тени, и с этими тенями нужно как-то работать

В результате один и тот же кратер на двух снимках может выглядеть совершенно по-разному. Дополнительные сложности создал стандартный подход к обучению моделей компьютерного зрения, при котором часть изображения удаляют, а систему просят восстановить пропавший фрагмент по выученным закономерностям.

Вы можете убрать 90 процентов кратера и по оставшимся 10 процентам попросить модель восстановить остальные 90

Для Луны такой метод не подходит, поскольку при съёмке с орбиты множество кратеров выглядят практически одинаково. Первые попытки обучить систему традиционным способом Бернабе-Морено назвал полной катастрофой. Исследователи нашли нестандартное решение и разделили поверхность спутника на секторы.

Мы взяли Луну и разделили её на клинья, как апельсин, и полностью отделили обучающие клинья от тестовых. Так мы смогли обеспечить модели большую согласованность

Отдельная ценность релиза – первый в своём роде открытый набор данных для лунных исследований. В него вошли десятки тысяч изображений и показаний приборов миссий NASA Lunar Reconnaissance Orbiter и GRAIL, а также японского аппарата SELENE.

Одна из причин, почему мы никогда прежде не видели всеобъемлющей мощной лунной модели, в том, что у нас не было данных, организованных правильным образом

Ученые выяснили, что земной грибок способен прожить до 7 дней у южного полюса Луны

NASA рискует потерять уникальные данные о границе Солнечной системы из-за экономии на $2 млн

Организация в этом случае означала создание сетки, где каждый пиксель снимка соответствует другим типам данных, которые модель может учитывать при обработке. По оценке Бернабе-Морено, именно это стало главным вкладом работы в науку.

Уже само по себе это огромный научный вклад, потому что оставим модель в стороне: у сообщества теперь есть совмещённый по координатам набор данных с более чем двумя миллионами точек. И мы знаем, что ИИ-модели вытесняются другими моделями. Именно данные создают индустрию ИИ-моделей

Точной даты миссии Artemis III пока нет.