NASA und IBM haben das Lunar Foundation Model vorgestellt – ein offenes Künstliche-Intelligenz-Modell zur Analyse der Mondoberfläche. Es kann über Hugging Face heruntergeladen und beispielsweise zur Suche nach Bereichen verwendet werden, in denen potenziell Wassereis vorhanden sein könnte. Dies berichtet IBM.
Auf den ersten Blick wirkt dies wie eine gewöhnliche Meldung über ein weiteres spezialisiertes neuronales Netzwerk. Aber der praktische Aspekt ist anders: NASA gibt externen Forschern faktisch nicht die fertige Antwort „wo man nach Eis suchen sollte", sondern ein Werkzeug und Rohdaten, die angezweifelt werden können. Dies unterscheidet sich grundlegend von geschlossenen Modellen, bei denen der Nutzer nur das Ergebnis sieht und dem glauben muss.
Warum alte Methoden der Computervision hier nicht direkt funktionieren
Bei Tests zeigte das Modell bessere Ergebnisse als SwinV2-B – Microsofts Computervisions-System. Bei der Aufgabe der Suche nach potenziellen Eisvorkommen reduzierte es die Fehlerquote um 23 %, und bei der Erkennung und Klassifizierung von Kratern übertraf es SwinV2-B um 19 %, während es nur halb so viele Trainingsdaten verwendete.
Die Entwicklung des Modells war aufgrund der Besonderheiten von Mondaufnahmen komplex. Aufgrund der fehlenden Atmosphäre sind Schatten auf dem Mond sehr scharf, und die Oberflächenbeleuchtung ändert sich je nach Sonnenposition. Daher kann derselbe Krater auf verschiedenen Bildern erheblich unterschiedlich aussehen. Um Probleme beim Training zu vermeiden, unterteilten die Forscher die Mondoberfläche in Sektoren und verwendeten verschiedene Bereiche zum Trainieren und Testen.
Dies ist keine kosmetische Detail. Irdische Computervisions-Modelle sind auf Licht trainiert, das von der Atmosphäre gestreut wird, wobei Schatten weich und vorhersehbar sind. Der Mond sprengt diese Logik: Was für einen gewöhnlichen Algorithmus wie „neue Textur" aussieht, könnte tatsächlich derselbe Krater zu einer anderen Tageszeit des „Mondtages" sein.
Das Modell reduzierte die Fehlerquote bei der Eissuche um 23 % im Vergleich zur Lösung von Microsoft, während es nur halb so viele Trainingsdaten verwendete.
Das Wichtigste ist nicht das Modell, sondern die Daten dahinter
Zusammen mit dem Modell veröffentlichten NASA und IBM einen offenen Datensatz, der von anderen Forschern zur Erstellung eigener KI-Modelle verwendet werden kann. Er vereint Zehntausende von Bildern und Instrumentendaten aus den NASA-Missionen Lunar Reconnaissance Orbiter (LRO) und Grail sowie der japanischen Selene. Die Daten wurden zwischen verschiedenen Messtypen synchronisiert, um sicherzustellen, dass sie denselben Bereichen der Mondoberfläche entsprechen.
Die Synchronisation von drei unabhängigen Missionen – amerikanischen und japanischen – macht diese Veröffentlichung von einer weiteren Demo zu einem praktischen Werkzeug. Jedes Team, das eine Landung oder Bohrung plant, kann jetzt die Modellvorhersage anhand der Rohdaten überprüfen, anstatt einfach die Schlussfolgerung „hier ist wahrscheinlich Eis" auf Glauben hin anzunehmen.
Die Frage ist, ob private Mondprogramme dies nutzen werden: Wenn das offene Modell beginnt, die tatsächliche Auswahl von Landestellen für zukünftige Ressourcen-Abbaumissionen zu beeinflussen, wäre dies das erste Beispiel, bei dem Open-Source-KI unmittelbar die Geografie des Weltraum-Rennens um den Mond bestimmt.
- Zur Erinnerung: Die Artemis-II-Astronauten filmten die Erde mit dem iPhone 17 Pro Max.
- Das geheime US-Flugzeug NT-43A RAT55 verfolgte die NASA-Mission Artemis II, die die Erdumlaufbahn verließ.
- Am 1. April startete die NASA die bemannte Mission Artemis II um den Mond. Die Weltraummission Artemis II wird auch in einer Live-Übertragung auf Netflix zu sehen sein.
