NASA i IBM objavili su otvoreni Lunar Foundation Model, treniran na više od 30 slojeva podataka iz devet instrumenata na četirima misijama. Model pomaže tražiti led u trajno zasjenjenim područjima, kartirati kratere i proučavati vulkanske oblike. U referentnim testovima dosegnuo je do 23 posto veću točnost od često korištenih metoda, a razvoj je povezan s planiranjem programa Artemis.
NASA i IBM objavili su 10. rujna otvoreni NASA-IBM Lunar Foundation Model, istreniran na više od 30 slojeva podataka iz devet instrumenata na četirima svemirskim misijama. Model treba pomoći znanstvenicima u pronalaženju mogućeg leda u trajno zasjenjenim područjima, kartiranju kratera za sigurna slijetanja i analizi vulkanskih oblika na Mjesecu. U referentnim testovima bio je do 23 posto točniji od često korištenih metoda.
Među izvorima podataka je Lunar Reconnaissance Orbiter, NASA-ina sonda koja godinama snima površinu različitim senzorima. Temeljni model uči zajedničke obrasce iz više vrsta karata i slika, a istraživač ga zatim prilagođava užem zadatku s manjim označenim skupom. To ne znači da sustav sam potvrđuje vodu ili bira mjesto slijetanja; rezultat ostaje kandidat koji stručnjaci uspoređuju s mjerenjima i ograničenjima misije.
Više od 30 slojeva može uključivati različite valne duljine, topografiju, temperaturu i druge izvedene podatke. Njihovo poravnanje je tehnički zahtjevno jer instrumenti imaju različitu rezoluciju, vrijeme snimanja i pogreške. Model mora razlikovati pravi geološki signal od sjene, šuma ili praznine u mjerenju. NASA i IBM nisu objavili potpuni trošak pripreme podataka ni računalnu infrastrukturu korištenu za treniranje.
Najveća praktična vrijednost je ponovna uporaba. Umjesto izrade posebnog sustava od nule za svaki krater ili mineral, tim može preuzeti osnovni model i dodati vlastite oznake. Otvorena dostupnost omogućuje sveučilištima i manjim laboratorijima rad bez vlastitog velikog treninga. Stvarna pristupačnost ipak ovisi o veličini datoteka, potrebnom GPU-u, licenci i kvaliteti dokumentacije za reprodukciju rezultata.
Led u polarnim sjenama važan je jer može sadržavati vodu i kisik te sirovinu za raketno gorivo. Međutim, daljinsko opažanje ne daje automatski količinu, dubinu ni čistoću naslage. Model može preciznije označiti mjesta za daljnje mjerenje, ali bušenje ili neposredni instrument mora potvrditi resurs prije nego planeri računaju na njegovo korištenje u bazi.
Kartiranje kratera ima drukčiji cilj. Za slijetanje nije dovoljan ravan piksel; treba poznavati nagib, kamenje, osvjetljenje, komunikacijski pogled i udaljenost od znanstvenih ciljeva. AI može ubrzati pregled golema područja, ali konačna odluka spaja orbitalne karte s izvedbom letjelice i dopuštenom pogreškom navigacije. NASA nije objavila da model samostalno odabire lokaciju za konkretnu misiju Artemis.
Lunarni model ulazi u obitelj Prithvi koju IBM i NASA koriste za geoprostorne i vremenske zadatke. Zajednički pristup smanjuje razvojni trošak i omogućuje prijenos metoda između Zemlje i Mjeseca, ali ne uklanja razliku u fizici i kvaliteti podataka. Model istreniran na satelitskoj slici Zemlje ne razumije automatski lunarnu sjenu bez dodatnih mjerenja i provjere.
Navod o do 23 posto većoj točnosti treba čitati uz oprez. Poboljšanje ovisi o izabranom zadatku, skupu za testiranje, osnovnoj metodi i metrici; nije jedinstveni rezultat za sve lunarne analize. Organizacije nisu u početnoj objavi prikazale svaki test ni neovisnu replikaciju. Otvoreni kod i utezi omogućuju drugim timovima provjeru, što će biti važnije od jednog najboljeg rezultata.
Javna istraživačka infrastruktura donosi i obvezu verzioniranja. Kada se dodaju novi podaci ili ispravi karta, rezultat analize može se promijeniti. Korisnik mora zabilježiti verziju modela, ulazne slojeve i parametre kako bi nalaz bio ponovljiv. Bez toga dva tima mogu dobiti različite karte leda i pogrešno pripisati razliku geologiji umjesto softveru.
Model može pomoći i pri obrazovanju novih istraživača jer daje zajedničku početnu točku za seminarske i laboratorijske projekte. No znanstvena uporaba traži citiranje izvornog skupa i objavu pogrešaka, a ne samo kartu dobivenu jednim klikom. Organizacije još nisu navele program potpore korisnicima ni rok sljedeće verzije.
NASA-in program Artemis planira povratak astronauta na Mjesec 2028., ali objavljeni model nije jamstvo rasporeda leta. Njegov mjerljivi doprinos bit će broj znanstvenih skupina koje ga preuzmu, neovisno ponove testove i uključe rezultate u odabir instrumenata ili lokacija. Za sada su potvrđeni otvoreni model, više od 30 slojeva podataka, devet instrumenata, četiri misije i referentno poboljšanje do 23 posto.
NASA i IBM objavili su 10. rujna otvoreni NASA-IBM Lunar Foundation Model, istreniran na više od 30 slojeva podataka iz devet instrumenata na četirima svemirskim misijama. Model treba pomoći znanstvenicima u pronalaženju mogućeg leda u trajno zasjenjenim područjima, kartiranju kratera za sigurna slijetanja i analizi vulkanskih oblika na Mjesecu. U referentnim testovima bio je do 23 posto točniji od često korištenih metoda.
OpenAI je 10. rujna pozvao američki Kongres da prije završetka zasjedanja u prosincu uvede obvezne nacionalne sigurnosne zahtjeve za napredne AI modele. Kompanija predlaže standardizirano testiranje, neovisne procjene, kibernetičke zaštite i prijavu incidenata, pri čemu bi se obveze povećavale prema stvarnim sposobnostima sustava, a ne samo prema njegovoj veličini.
Međunarodna PRO PR konferencija u Ljubljani, Slovenija, održat će se pod motom "Leadership in Communication", a tijekom tri dana okupit će međunarodne stručnjake iz područja odnosa s javnošću, komunikacija, marketinga i upravljanja komunikacijama.
