أتاحت ناسا وIBM Research نموذجًا جديدًا للذكاء الاصطناعي مخصصًا للقمر. نموذج ناسا وIBM القمري مفتوح المصدر، ويمكن تنزيله من Hugging Face، فيما يتوفر الكود على GitHub. دُرّب النموذج على بيانات امتدت 17 عامًا من مركبة الاستطلاع المدارية القمرية ومهمات أخرى، محولًا هذا الأرشيف إلى أداة يستطيع العلماء تكييفها باستخدام عدد قليل من الأمثلة المصنفة يدويًا.
ما الذي يستطيع النموذج فعله؟
يتعامل النموذج في الوقت نفسه مع صور عالية الدقة (نحو 1 متر لكل بكسل) وأخرى أقل دقة (100 م لكل بكسل). كما يستخدم زوايا الإضاءة وموقع الشمس مدخلاتٍ صريحة، ما يساعده على التمييز بين معالم السطح الحقيقية والظلال. وفي الاختبارات، خفّض خطأ التنبؤ بوجود الجليد عند القطبين بنسبة تصل إلى 22٪ مقارنةً بأفضل نموذج مرجعي. أما في رصد الفوهات بالصور الأقل دقة، فكان أدق بنحو 19٪، رغم استخدامه نصف البيانات المصنفة فقط.
كيف بُني النموذج؟
جمع الباحثون مجموعة بيانات باسم SomBench، وهي أكبر مجموعة بيانات قمرية متعددة الوسائط ومتوافقة مكانيًا حتى الآن. وتضم قرابة مليوني «حزمة صور» من 11 نوعًا مختلفًا من البيانات، تغطي أكثر من 30 طبقة متطابقة من تسعة أجهزة على متن أربع مهمات. دُرّب النموذج من الصفر باستخدام تقنية تُسمى FlexiViT، تتيح للنموذج نفسه التعامل مع أحجام مختلفة من رقع الصور من دون إعادة تدريبه.
لماذا يهم
يوفر النموذج المفتوح لعلماء الكواكب أداة ذكاء اصطناعي جاهزة لرصد الجليد والفوهات باستخدام عدد أقل من الأمثلة المصنفة يدويًا، ما يسرّع الأبحاث المتعلقة بموارد القمر. وبالنسبة إلى المهتمين بمهمات القمر المقبلة، قد تساعد خرائط الجليد الأكثر دقة في تحديد مواقع الهبوط أو استخراج المياه لاستخدامها وقودًا للصواريخ. لكن النموذج لا يغني عن القياسات المباشرة؛ إذ قد تظل إحداثياته الجغرافية غير دقيقة بفارق عشرات الدرجات.
