NASA และ IBM ปล่อยโมเดล AI ชื่อ NASA-IBM Lunar Foundation Model สำหรับวิเคราะห์พื้นผิวเดือน พร้อมข้อมูลเปิดแหล่ง (open-source) ผ่าน Hugging Face โมเดลสามารถตรวจจับน้ำแข็งบนเดือนได้แม่นยำขึ้น 23% เมื่อเทียบกับ SwinV2-B ของ Microsoft และจัดประเภทหลุมบนเดือนได้ถูกต้อง 19% โดยใช้ข้อมูลฝึกครึ่งหนึ่งของคู่แข่ง ทีมวิจัยทดสอบโมเดลโดยใช้ภาพหลุมจากเหตุการณ์อุบัติเหตุของ SpaceX ที่กระทบดวงเดือน แม้หลุมใหม่จะซ้อนทับกับหลุมเดิม โมเดลยังระบุได้ถูกต้องในครั้งแรก ความท้าทายหลักคือการถ่ายภาพเดือนที่มีเงาชัดและข้อมูลไม่สม่ำเสมอ จึงแบ่งข้อมูลเป็นส่วน (wedges) เพื่อฝึกโมเดลให้แม่นยำ ข้อมูลที่เปิดเผยรวมภาพและข้อมูลจากภารกิจ LRO, GRAIL ของ NASA และ SELENE ของญี่ปุ่น สร้างฐานข้อมูลเชื่อมโยงข้อมูลภาพกับข้อมูลอื่นๆ มากกว่า 2 ล้านจุด
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว