NASA ve IBM, Ay araştırmaları için açık kaynaklı yapay zekâ modelini kullanıma sundu

NASA, IBM Research ve çeşitli akademik kurumların ortaklığıyla geliştirilen açık kaynaklı yapay zekâ temel modeli "NASA-IBM Lunar Foundation Model" araştırmacıların erişimine açıldı. Doğrudan Ay bilimi ve keşif görevleri için tasarlanan model, araştırmacıların Ay yüzeyine ilişkin devasa veri arşivlerini hızla analiz etmesini sağlamak üzere Hugging Face üzerinde genel kullanıma, kaynak kodlarıyla birlikte GitHub üzerinde test süreçlerine sunuldu. Açık bilim prensibi doğrultusunda TerraTorch araç setine entegre edilen sistem, her görev için sıfırdan özel algoritmalar eğitme zorunluluğunu ortadan kaldırarak araştırmacıların küçük etiketli veri kümeleriyle sonuca ulaşmasını hedefliyor.

Sistemin ön eğitimi, NASA'nın Lunar Reconnaissance Orbiter (LRO) uzay aracının son 17 yılda topladığı yüzey verilerinden derlenen yaklaşık 2 milyon görüntü parçasıyla gerçekleştirildi. LRO görevinin ürettiği ve NASA'nın diğer tüm gezegen görevlerinin toplamından daha geniş olan veri tabanından, 1 metre çözünürlüklü 1 milyondan fazla kamera görüntüsü ve 100 metre çözünürlüklü yaklaşık 964 bin çok bantlı görüntü modele aktarıldı. Temel modelin eğitiminde ayrıca NASA'nın GRAIL ve Lunar Prospector görevleri ile Japonya Uzay Araştırma Ajansı'nın (JAXA) Selenological and Engineering Explorer misyonundan elde edilen yüksek çözünürlüklü yüzey ve topoğrafya verilerinden yararlanıldı.

Önceden eğitilmiş model; kraterlerin haritalanması, genç volkanik yapılar olarak bilinen düzensiz deniz parçalarının belirlenmesi ve kutup bölgelerindeki kalıcı gölge alanlarında buz birikintilerinin tahmin edilmesi gibi alanlarda kullanılabiliyor. Yapılan testlerde sistem, SpaceX roket gövdesinin Ay yüzeyindeki Einstein krateri yakınına çarpması sonucu oluşan yeni darbe kraterini başarıyla tespit ederek gözlemler arasındaki yüzey değişimlerini yakalama yeteneğini ortaya koydu. NASA'dan Kevin Murphy, projeye ilişkin açıklamasında, "Büyük ölçekli verileri yeni keşiflere dönüştürmek, yapay zekâ ile önümüzde duran gerçek bir fırsat" ifadesini kullandı. Değerlendirmelerde modelin, kutup buzu kararlılığını tahmin etmede mevcut temel modellerden daha yüksek performans sergilediği saptandı.

NASA'nın Baş Bilim Verileri Ofisi'nin stratejisi kapsamında inşa edilen sistem; daha önce geliştirilen Dünya gözlem odaklı Prithvi ve uzay havası olaylarını tahmin eden Surya modellerinin ardından gelen üçüncü büyük bilimsel temel model oldu. Proje; NASA bünyesindeki Marshall Uzay Uçuş Merkezi'nin Impact AI ekibi, Gezegen Bilimi Bölümü, Goddard Uzay Uçuş Merkezi ve Ames Araştırma Merkezi ile USRA, SETI Enstitüsü, Maryland Baltimore County Üniversitesi ve Howard Üniversitesi uzmanlarının katkısıyla tamamlandı. Modelin doğrulanabilirliğini ve küresel araştırma topluluğu tarafından geliştirilmesini desteklemek amacıyla, ön eğitime hazır veri setleri ve kıyaslama koleksiyonları bir akademik makaleyle birlikte Hugging Face platformunda paylaşıldı.

Neden önemli?Geliştirilen model, bilim insanlarının petabaytlarca ham uzay verisini sıfırdan algoritma eğitmeden hızlıca işlemesini sağlayarak gelecekteki Ay keşifleri ve kaynak haritalama süreçlerini hızlandırıyor.

Şu ana kadar bildiklerimiz

• Model, Lunar Reconnaissance Orbiter'ın son 17 yılda topladığı verilerden elde edilen yaklaşık 2 milyon görüntü parçasıyla eğitildi.
• Eğitim veri setinde 1 metre çözünürlükte 1 milyondan fazla kamera görüntüsü ile 100 metre çözünürlükte yaklaşık 964 bin çok bantlı görüntü yer alıyor.
• Açık kaynaklı model ve kod tabanı Hugging Face ile GitHub üzerinde yayımlanarak TerraTorch araç setine entegre edildi.

Cevabı beklenen sorular

• Açık kaynak olarak yayımlanan modelin, gelecekte planlanan mürettebatlı Ay inişleri ve kaynak çıkarma operasyonlarında sahada nasıl bir rol üstleneceği henüz netleşmedi.
• Modelin farklı yörünge ışıklandırma koşullarında küçük kraterleri tespit etme hassasiyetinin bağımsız araştırmacılar tarafından nasıl geliştirileceği bilinmiyor.