AI Radar — лента🤖 NASA и IBM создали универсальный ИИ для Луны — и выложили открытым
NASA и IBM выкатили фундаментную модель для лунных исследований: вместо отдельного алгоритма под каждую задачу — один предобученный каркас, который донастраивается несколькими примерами.
Поиск водяного льда, детекция кратеров, сегментация пород — всё из одной модели.
Цифры. На тесте ледяных отложений ошибка предсказания снизилась на 22% против лучшего бейзлайна SwinV2-B. Детекция кратеров в грубом масштабе выросла на ~19% при обучении всего на половине данных. Прирост на Irregular Mare Patches — 3%, но и датасет там мал, так что значимость этой цифры ограничена.
Что внутри. Модель объединяет 17 лет наблюдений Lunar Reconnaissance Orbiter и данные ещё трёх миссий — GRAIL, Lunar Prospector и японского Kaguya. Это 11 модальностей, >30 пространственно выровненных слоёв от 9 приборов. Отдельная фишка — геометрия освещения (углы солнца) подаётся как явный контекст, а не вычисляется из пикселей.
Чего нет. Для абсолютного геодезического позиционирования модель непригодна: широта и долгота могут отклоняться на десятки градусов. Точные затраты на обучение (время, GPU-часы, энергия) не раскрыты.
Что это значит: донастройка на новую задачу за часы вместо месяцев на разметку данных — это прямой путь к ускорению подготовки лунных миссий, особенно для поиска ресурсов в полярных регионах.
Оригинальная публикация в Telegram