O que é o lunar foundation model, da NASA e da ibm
O Lunar Foundation Model é um modelo de inteligência artificial de código aberto criado pela NASA em parceria com a IBM para estudar a superfície da Lua. Treinado com mais de 30 camadas de dados coletados por nove instrumentos de quatro missões espaciais, ele foi desenhado para analisar diferentes características lunares e se adaptar a várias tarefas científicas sem precisar começar do zero a cada novo estudo.
A maior parte do treinamento usou o acervo acumulado ao longo de 17 anos pelo Lunar Reconnaissance Orbiter (LRO), segundo o anúncio da NASA. O conjunto soma cerca de 2 milhões de imagens e mapas: mais de 1 milhão de imagens de alta resolução, com detalhes de até um metro por pixel, e quase 964 mil imagens multiespectrais.
Como funciona o modelo e o que ele já entrega
Depois do pré-treinamento, o modelo pode ser ajustado com pequenas quantidades de dados para tarefas específicas: localizar crateras, identificar formações vulcânicas ou estimar onde pode existir gelo, inclusive em regiões permanentemente mergulhadas na escuridão. Na avaliação do Mercado de TI, essa abordagem de foundation model especializado replica, na ciência espacial, a mesma lógica que já dominou os modelos de linguagem: treinar uma vez em escala e especializar com poucos dados.
E o gelo importa por quê? Nas zonas mais frias dos polos lunares, o gelo pode ter ficado preservado por bilhões de anos. Sua presença indica água, que pode ser separada em hidrogênio e oxigênio, recursos úteis para futuras bases lunares e até para produzir combustível para missões a Marte.
Nos testes, o modelo identificou características da superfície lunar com até 23% mais eficácia do que os métodos habitualmente utilizados, segundo a NASA. Também mostrou vantagens na estimativa da estabilidade do gelo polar e resultados comparáveis aos de outros modelos avançados na identificação de crateras e estruturas vulcânicas.
# publicidade
Código aberto e impacto para a pesquisa
O modelo está disponível publicamente, junto com os dados de treino e as ferramentas necessárias para pesquisa. A expectativa da NASA é que cientistas de diferentes instituições possam testar, adaptar e melhorar a tecnologia.
Para quem trabalha com ciência de dados aplicada a imagens, o projeto é também um caso de estudo: mostra como dados multimodais de instrumentos distintos podem ser unificados em um único modelo de base reutilizável, um padrão que vem ganhando espaço em aplicações de IA confiável em sistemas corporativos e na discussão sobre quem é dono do modelo de IA nas empresas.
Na prática, pesquisadores brasileiros que usam geoprocessamento e visão computacional podem adaptar a mesma estratégia de fine-tuning com pequenas amostras, técnica já comum em projetos com SLMs com fine-tuning em ambiente empresarial.
Info: o Lunar Foundation Model é open source. Modelo, dados de treino e ferramentas estão disponíveis publicamente pela NASA.
Dica: quem trabalha com visão computacional pode acompanhar o projeto como referência de transfer learning aplicado a dados científicos de domínio restrito, abordagem reutilizável em mapeamento e sensoriamento remoto.
O movimento indica uma mudança concreta na exploração espacial: em vez de cada missão gerar análises isoladas, a aposta é em modelos que acumulam conhecimento e podem ser compartilhados pela comunidade científica. O próximo passo natural é acompanhar como pesquisadores externos vão estender o modelo para novas tarefas de mapeamento lunar.
Fonte: Sapo Tek
