NASA與IBM發布免費AI 探測月球水冰精準度提升22%

在月球上尋找水冰是行星科學中最困難的問題之一。冰並非均勻分布，它隱藏在極地永久陰影區的隕石坑中，而要從軌道上識別它，必須從儀器噪音中區分出微弱的光譜訊號。IBM與NASA的月球基礎模型（Lunar Foundation Model）正是為了解決這個問題而設計。

Lunar Foundation Model 是一款開源AI，訓練資料來自五艘月球軌道探測器超過兩百萬張影像，包括月球勘測軌道飛行器（Lunar Reconnaissance Orbiter）、GRAIL、月球探勘者（Lunar Prospector）、輝夜姬（SELENE/Kaguya）及其他。該模型可透過IBM的地理空間框架TerraTorch在Hugging Face和GitHub上免費取得。

在基準測試中，該模型識別水冰沉積物的準確率比過去方法高出22%，辨識月球隕石坑的精度也提升了19%。值得注意的是，它達到此性能所僅需的標記訓練資料量，僅為同類模型的一半——這對月球科學而言是一項重要特徵，因為標記資料集的製作成本高昂。

其實際價值體現在阿提米絲計畫（Artemis programme）的資源繪圖上。NASA計劃在月球南極附近建立永續人類駐地，那裏的水冰可轉化為飲用水、氧氣及火箭推進劑。知道冰的實際位置與存量，直接影響著陸點選擇與基礎設施規劃。

該模型以開放授權發布，因為IBM與NASA皆以公眾資助的研究為其貢獻。免費提供意味著大學、太空機構及私人企業的科學家無需授權障礙即可使用、評估及改進它。其運作的IBM框架TerraTorch負責處理底層的地理空間資料管道。

22%的提升幅度是一項基準測試結果——是在標準化測試資料集上與其他模型比較所得，而非來自實際飛行任務的測量。月球基礎模型能否改善實際任務決策，取決於基準條件在多大程度上反映真實的月球觀測數據——而這些數據會隨著軌道幾何、儀器校準及太陽照射角度而變化。目前尚未有IBM或NASA以外的團體發表獨立驗證。

Lunar Foundation Model 現已可在Hugging Face及GitHub上取得。IBM與NASA尚未訂定將該模型整合至活躍的阿提米絲任務規劃中的時間表。

標籤: 人工智慧, 開源AI, nasa, IBM, Lunar Foundation Model, 月球探測