NASA ve IBM, Ay’ın yüzeyini incelemek ve gelecekteki keşif çalışmalarına katkı sağlamak amacıyla açık kaynaklı bir yapay zeka modeli geliştirdi. “NASA-IBM Lunar Foundation Model” adı verilen model, araştırmacıların Ay yüzeyindeki buz, krater ve diğer jeolojik özellikleri analiz etmesine yardımcı olmayı hedefliyor.
Model, araştırmacıların kullanımına açık şekilde Hugging Face üzerinden sunulurken, NASA ve IBM aynı zamanda gelecekte yeni yapay zeka modellerinin geliştirilmesinde kullanılabilecek kapsamlı bir veri setini de paylaşıyor.
İlk testlerde model özellikle Ay yüzeyinde buz bulunma ihtimali olan bölgeleri tespit etme konusunda başarılı oldu. NASA ve IBM, modelin sonuçlarını bilimsel bir çalışma kapsamında oluşturulan haritalarla ve Microsoft tarafından geliştirilen SwinV2-B görüntü analiz sistemiyle karşılaştırdı.
Testlerde Lunar Foundation Model, SwinV2-B’ye kıyasla hata oranını yüzde 23 azalttı. Modelin krater tespitindeki performansı da dikkat çekti. NASA ve IBM’in testlerinde yeni model, SwinV2-B karşısında yüzde 19 daha iyi sonuç elde etti ve bunu yarı miktarda eğitim verisi kullanarak gerçekleştirdi
Model, kısa süre önce Ay’a çarpan bir Falcon 9 roketinin oluşturduğu yeni krateri tespit ederek yeteneklerini gerçek bir olay üzerinde de gösterdi. Mevcut bir kraterle büyük ölçüde örtüşmesine rağmen sistem, görüntüdeki yapının yeni bir krater olduğunu doğru şekilde belirledi.
Ay görüntülerinin işlenmesi, Dünya gözlemlerine kıyasla önemli zorluklar barındırıyor. Dünya atmosferi güneş ışığını dağıtarak gölgelerin kenarlarını yumuşatırken, Ay’daki gölgeler çok keskin ve tamamen karanlık görünüyor.
Güneş’in konumunun değişmesi de aynı kraterin farklı görüntülerde birbirinden oldukça farklı görünmesine neden olabiliyor. NASA ve IBM, geleneksel yapay zeka eğitim yöntemlerinin Ay yüzeyinde yeterince iyi çalışmadığını gördükten sonra farklı bir yöntem geliştirdi.
Ay yüzeyini bir portakal gibi dilimlere ayıran ekip, eğitim ve test verilerini farklı bölgelere dağıtarak modelin daha tutarlı sonuçlar üretmesini sağladı. Paylaşılan açık kaynaklı veri seti ise on binlerce görüntü ve araç verisini bir araya getiriyor.
Veriler NASA’nın Lunar Reconnaissance Orbiter ve GRAIL görevlerinin yanı sıra Japonya’nın SELENE görevinden elde edilen bilgileri de içeriyor. Araştırmacılar ayrıca farklı veri türlerini aynı koordinat sistemi üzerinde eşleştirerek iki milyondan fazla veri noktasını bir araya getirdi. Bu veri setinin, gelecekte Ay araştırmaları için geliştirilecek farklı yapay zeka modellerinin önünü açması bekleniyor.
