قدمت ناسا وIBM نموذج ذكاء اصطناعي مفتوح لدراسة سطح القمر. يتوفر نموذج NASA-IBM Lunar Foundation عبر Hugging Face مع مجموعة بيانات يمكن للباحثين استخدامها لإنشاء أنظمتهم الخاصة. تم تطوير النموذج في إطار استعدادات ناسا لمهام Artemis الجديدة ويهدف إلى حل عدة مهام لتحليل سطح القمر. أحد الاتجاهات الواعدة كان تحديد المناطق التي قد تحتوي على الجليد. عند المقارنة مع نموذج الرؤية الحاسوبية SwinV2-B من Microsoft، أظهرت نظام ناسا وIBM أخطاء أقل بنسبة 23%. في اختبار منفصل للبحث وتصنيف الحفر، تفوقت على هذا المعيار بنسبة 19% باستخدام نصف حجم البيانات التدريبية.
تطلب إنشاء النموذج نهجًا خاصًا لمعالجة صور القمر. على عكس الأرض، حيث تشتت الغلاف الجوي ضوء الشمس، فإن الظلال على القمر لها حدود سوداء تقريبًا، ولا تحتوي المناطق المظلمة في الصورة على معلومات إضافية. لذلك، يمكن أن يبدو نفس الحفرة مختلفة تمامًا في ظروف تصوير مختلفة. كما أن الطريقة القياسية للرؤية الحاسوبية بإزالة جزء من الصورة واستعادتها أثبتت أنها غير فعالة: فعدد كبير من الحفر القمرية لها مظهر مشابه. قام الباحثون بتقسيم سطح القمر إلى قطاعات منفصلة واستخدموا مناطق مختلفة للتدريب والاختبار، مما سمح بتحسين توافق البيانات. تم التحقق العملي بعد سقوط مركبة SpaceX Falcon 9 على القمر في 5 أغسطس: تمكن النموذج من التعرف على حفرة جديدة في الصورة، على الرغم من أنها كانت تتطابق تقريبًا مع التكوين الموجود.
وكان من نتائج المشروع أيضًا مجموعة بيانات مفتوحة تم جمعها من مواد بعثات NASA Lunar Reconnaissance Orbiter وGRAIL، وكذلك المركبة اليابانية SELENE. تضمنت عشرات الآلاف من الصور وقراءات الأجهزة العلمية. أنشأ الباحثون شبكة إحداثيات مشتركة تربط الصور بأنواع أخرى من البيانات، وحصلوا على أكثر من مليوني نقطة متوافقة. تعتقد ناسا وIBM أن هذه المجموعة قد تكون نتيجة ذات أهمية لا تقل عن النموذج نفسه، حيث لم تكن هناك بيانات منظمة بشكل شامل لمثل هذه الأبحاث من قبل. لم يتم تحديد تاريخ دقيق لمهمة Artemis III بعد، ولكن النظام الجديد يجب أن يوفر للعلماء أداة إضافية للتحضير لأبحاث القمر المستقبلية.
مقالات ذات صلة
