NASA与IBM Research现已公开一款新的月球AI模型。NASA‑IBM月球基础模型采用开源形式，可从Hugging Face下载，代码则托管在GitHub上。该模型利用月球勘测轨道飞行器及其他任务17年的数据训练而成，将这些历史数据转化为一款工具，科学家只需提供少量标注样本即可对其进行调整。
模型能做什么
该模型可以同时处理高分辨率图像（约1米/像素）和低分辨率图像（100米/像素）。它还将光照角度和太阳位置作为明确输入，有助于区分真实地表特征与阴影。在测试中，与表现最佳的基准模型相比，该模型对极区冰层的预测误差最高降低了22%。在低分辨率条件下进行陨石坑检测时，即使只使用一半的标注数据，准确率也提高了约19%。
模型如何构建
研究人员整理出名为SomBench的数据集，这是迄今规模最大的共配准多模态月球数据集。它包含近200万个“瓦片包”，涵盖11种不同数据类型，以及来自四次任务、九台仪器的30多个对齐图层。模型从零开始训练，采用名为FlexiViT的技术，因此无需重新训练，同一个模型就能处理不同尺寸的图像切块。
为什么重要
对于行星科学家来说，这款开放模型提供了现成的AI工具，只需较少的人工标注样本，就能识别冰层和陨石坑，从而加快月球资源研究。对于关注未来月球任务的人来说，更精确的冰层地图有助于确定着陆地点，或寻找可用于制造火箭燃料的水。不过，该模型不能替代直接测量；其地理坐标仍可能偏差数十度。
