La inteligencia artificial ahora también está mirando hacia la Luna. NASA e IBM desarrollaron un nuevo modelo de IA diseñado para ayudar a los científicos a analizar la superficie lunar y encontrar características que podrían ser clave para futuras misiones espaciales.

El sistema, llamado NASA-IBM Lunar Foundation Model, fue presentado como un modelo de código abierto que puede ser utilizado por investigadores de todo el mundo. La herramienta ya demostró capacidades para identificar posibles zonas con hielo y detectar cráteres en la superficie lunar.

Una IA capaz de encontrar cráteres y posibles zonas con hielo

Durante las pruebas, NASA e IBM compararon el modelo con SwinV2-B, un sistema de visión artificial utilizado habitualmente como referencia en diferentes tareas de análisis de imágenes.

Los resultados fueron llamativos.

En la identificación de posibles zonas con hielo en la Luna, el modelo desarrollado por NASA e IBM logró reducir los errores en un 23 % frente a SwinV2-B.

También fue puesto a prueba para identificar y clasificar cráteres. En esta tarea consiguió un rendimiento 19 % superior, utilizando además la mitad de los datos empleados para entrenar el otro sistema.

La herramienta incluso tuvo una oportunidad de demostrar sus capacidades ante un evento reciente: una imagen de un impacto que dejó un nuevo cráter en la superficie lunar. El modelo logró identificar correctamente la nueva formación, a pesar de que se encontraba muy cerca de un cráter que ya existía.

Entrenar una IA para estudiar la Luna no fue sencillo

A diferencia de las imágenes de la Tierra, las fotografías de la superficie lunar presentan un desafío particular.

La Luna prácticamente no tiene una atmósfera que disperse la luz solar. Como consecuencia, sus sombras pueden aparecer completamente oscuras y con bordes muy definidos.

Esto significa que un mismo cráter puede verse de maneras muy diferentes dependiendo de la posición del Sol en el momento en que se tomó la imagen.

Los investigadores también tuvieron que cambiar la forma tradicional de entrenar estos modelos.

En los sistemas de visión artificial es habitual ocultar partes de una imagen para que la IA intente reconstruirlas utilizando lo que aprendió durante su entrenamiento. Sin embargo, este método presentaba problemas en la Luna debido a que muchos cráteres tienen características visuales similares.

La solución fue dividir la superficie lunar en diferentes secciones, como si fuera una naranja cortada en gajos. Algunas se utilizaron para entrenar el modelo y otras permanecieron completamente separadas para realizar las pruebas.

Según IBM, este cambio permitió obtener resultados mucho más consistentes.

Un enorme conjunto de datos para estudiar la Luna

Pero el proyecto no se limita al modelo de inteligencia artificial.

NASA e IBM también liberaron un conjunto de datos de código abierto que otros investigadores podrán utilizar para desarrollar sus propios modelos.

La información reúne decenas de miles de imágenes y datos obtenidos por diferentes misiones espaciales, entre ellas la Lunar Reconnaissance Orbiter (LRO) y GRAIL de NASA, además de la misión japonesa SELENE.

Uno de los principales avances está en la forma en que fueron organizados estos datos: diferentes tipos de información pueden relacionarse con los mismos puntos de la superficie lunar.

El conjunto contiene más de dos millones de puntos de datos, lo que podría facilitar nuevas investigaciones y modelos de inteligencia artificial especializados en nuestro satélite natural.

Para NASA e IBM, el objetivo va más allá de crear una IA capaz de analizar imágenes. La apuesta es poner a disposición de la comunidad científica las herramientas y los datos necesarios para que otros investigadores puedan desarrollar nuevas tecnologías para estudiar la Luna.

Y mientras NASA prepara las próximas etapas de la exploración lunar, la inteligencia artificial comienza a convertirse en otra pieza importante para descubrir qué esconde la superficie de nuestro satélite.