Foto di Mario Verduzco.

NASA e IBM hanno presentato un modello di intelligenza artificiale open source progettato appositamente per analizzare la Luna, con l'intento di trasformare il modo in cui gli scienziati interpretano i dati raccolti dalle missioni spaziali. Il NASA‑IBM Lunar Foundation Model è stato addestrato da zero utilizzando una quantità di informazioni senza precedenti, con l'obiettivo di individuare correlazioni complesse e accelerare la ricerca scientifica sul nostro satellite naturale. Il modello è stato infatti costruito a partire da circa due milioni di pacchetti di dati lunari e oltre un milione di immagini ad alta risoluzione, alcune con dettaglio fino a un metro per pixel. Questi dati provengono da missioni come il Lunar Reconnaissance Orbiter, la missione GRAIL e la sonda giapponese SELENE/Kaguya, integrati in un'unica architettura multimodale.

Le informazioni utilizzate includono immagini multispettrali, topografia, pendenza, geometrie di illuminazione, osservazioni radar, composizione mineralogica, misurazioni gravitazionali e dati sull'idrogeno. L'integrazione di queste fonti consente all'IA di apprendere relazioni che normalmente richiederebbero strumenti separati e competenze specialistiche, riducendo il tempo necessario per analizzare grandi quantità di dati. NASA e IBM hanno già verificato il funzionamento del modello su diversi compiti scientifici. Tra questi figurano la rilevazione di crateri, l'analisi di strutture vulcaniche e l'identificazione di aree con maggiore probabilità di contenere ghiaccio d'acqua.

La capacità di individuare ghiaccio è particolarmente rilevante per le future missioni Artemis, poiché il ghiaccio potrebbe essere convertito in acqua potabile, ossigeno respirabile e componenti per propellenti. La localizzazione di depositi accessibili potrebbe influenzare la scelta dei siti per basi e infrastrutture lunari, riducendo la necessità di analisi manuali su enormi quantità di dati. Il modello ha dimostrato anche la capacità di identificare crateri in contesti complessi. In un caso recente, dopo l'impatto di un razzo Falcon 9 sulla superficie lunare, il sistema ha riconosciuto correttamente il nuovo cratere nonostante fosse sovrapposto a uno preesistente. «Ha funzionato in modo fantastico», ha dichiarato Juan Bernabé‑Moreno, direttore di IBM Research Europe, commentando la precisione del modello al primo tentativo.

La documentazione del modello chiarisce però che esso non è validato per operazioni critiche come la certificazione dei siti di atterraggio o la valutazione dei rischi. Le sue stime sulla presenza di ghiaccio non rappresentano conferme definitive: gli scienziati dovranno comunque ricorrere a osservazioni dirette e verifiche fisiche. L'IA fornisce indicazioni probabilistiche, non certezze.

Non perderti anche:

I biscotti fatti coi rifiuti di plastica e stampati 3D

Il codice dell'Apollo 11 è online: i programmi che portarono l'uomo...

50.000 specchi satellitari illumineranno la Terra

SpaceX abbandona Marte per costruire una città autosufficiente sulla Luna

Un elemento distintivo del progetto è la sua natura open source. Il modello è disponibile su Hugging Face con licenza Apache 2.0, permettendo così alla comunità scientifica di sperimentare, modificare e ampliare il lavoro. NASA e IBM hanno inoltre pubblicato un dataset strutturato che unisce migliaia di mappe e immagini raccolte da nove strumenti su quattro missioni lunari, facilitando la creazione di nuovi modelli senza dover ricostruire l'intera pipeline. Questa apertura dovrebbe accelerare la ricerca, offrendo agli studiosi una piattaforma condivisa per analizzare dati lunari complessi e sviluppare strumenti avanzati. Un'unica base tecnologica permette di confrontare risultati, replicare esperimenti e costruire applicazioni più sofisticate, riducendo la frammentazione degli strumenti di analisi.

Nonostante lo scetticismo diffuso verso l'uso indiscriminato dell'IA, questo progetto si distingue per la sua utilità concreta. NASA dispone di una quantità enorme di dati sulla Luna, e il tempo degli scienziati è limitato. Se un modello può aiutare a interpretare più rapidamente le informazioni, individuare strutture geologiche trascurate e suggerire aree promettenti per la ricerca diventa un alleato prezioso. L'intelligenza artificiale non porterà insomma da sola gli esseri umani sulla Luna, ma potrebbe contribuire a decidere dove andare e che cosa esplorare. Il modello open source di NASA e IBM rappresenta un passo verso strumenti più avanzati per l'analisi planetaria, offrendo un supporto concreto alla futura presenza umana sul nostro satellite.

Proposte di lettura:

Pinne d'argento e pinne azzurre

Pinne d'argento e spazio aperto: Starship e Artemis-SLS

Il viaggio verso Marte rischia di devastare i reni degli astronauti

La NASA veste Prada