NASA và IBM vừa công bố Lunar Foundation Model, mô hình AI mã nguồn mở được phát triển từ dữ liệu quan sát Mặt Trăng trong nhiều thập kỷ, nhằm hỗ trợ giới khoa học phân tích địa hình và xác định các khu vực tiềm năng cho những sứ mệnh Artemis trong tương lai.
NASA và IBM đã đưa NASA-IBM Lunar Foundation Model lên nền tảng AI mã nguồn mở Hugging Face, mở quyền tiếp cận cho cộng đồng nghiên cứu trên toàn cầu. Đây được xem là một trong những mô hình AI nền tảng đầu tiên được xây dựng chuyên biệt cho hoạt động nghiên cứu và khám phá Mặt Trăng.
Mô hình được huấn luyện trên khối lượng lớn dữ liệu quan sát Mặt Trăng do NASA và IBM lựa chọn, bao gồm hình ảnh và bản đồ thu thập từ nhiều sứ mệnh và thiết bị khoa học khác nhau. Thay vì xử lý từng nguồn dữ liệu riêng biệt, mô hình có khả năng nhận diện các mối liên hệ và đặc điểm địa chất trên quy mô lớn, qua đó giúp rút ngắn đáng kể thời gian phân tích.
AI thay đổi cách nghiên cứu bề mặt Mặt Trăng
Trong nhiều thập kỷ, các nhà khoa học phải dựa vào quá trình phân tích thủ công hàng loạt hình ảnh, bản đồ được thu thập bởi những thiết bị quan sát khác nhau. Một số phương pháp học máy trước đây cũng chỉ được thiết kế cho từng nhiệm vụ cụ thể và thường gặp hạn chế khi mở rộng sang những bài toán mới.
Lunar Foundation Model được phát triển theo hướng tổng quát hơn. Mô hình có thể hỗ trợ nhận diện nhiều đặc điểm quan trọng trên bề mặt Mặt Trăng, từ miệng hố va chạm, cấu trúc núi lửa cho tới những khu vực có khả năng chứa băng nước.
Theo NASA và IBM, trong các thử nghiệm, mô hình đạt hiệu quả cao hơn tới 23% so với những phương pháp được sử dụng phổ biến trong việc xác định các đặc điểm địa lý quan trọng trên Mặt Trăng. Khả năng này có thể hỗ trợ các nhà nghiên cứu nhanh chóng sàng lọc lượng dữ liệu khổng lồ, đặc biệt khi các sứ mệnh tương lai tiếp tục tạo ra thêm nhiều dữ liệu quan sát.
Việc phát hiện chính xác miệng hố, địa hình núi lửa hay những khu vực có dấu hiệu băng nước có ý nghĩa đặc biệt đối với chương trình Artemis. Những dữ liệu này có thể góp phần đánh giá địa điểm hạ cánh, nghiên cứu tài nguyên và chuẩn bị cho các hoạt động dài hạn của con người trên Mặt Trăng.
Dataset Mặt Trăng mở rộng cho cộng đồng nghiên cứu
Song song với mô hình AI, NASA và IBM cũng giới thiệu một bộ dữ liệu Mặt Trăng mã nguồn mở được xây dựng từ hàng chục nghìn bản đồ và hình ảnh. Dữ liệu được tổng hợp từ 9 thiết bị khoa học thuộc 4 sứ mệnh khám phá Mặt Trăng, tạo thành nguồn tài nguyên chung để các nhà nghiên cứu tiếp tục phát triển những ứng dụng AI mới.
Điểm đáng chú ý là mô hình và dataset đều được công khai trên Hugging Face. Điều này cho phép các nhóm nghiên cứu tiếp cận nền tảng AI và dữ liệu mà không phải bắt đầu quá trình huấn luyện từ con số 0 cho từng bài toán.
Campbell Watson, quản lý nghiên cứu cấp cao tại IBM Research, cho biết việc công khai mô hình và dataset nhằm tạo ra một nền tảng chung để cộng đồng khoa học có thể tùy chỉnh và sử dụng cho những câu hỏi nghiên cứu mới liên quan đến Mặt Trăng.
Cách tiếp cận này cũng phù hợp với truyền thống chia sẻ dữ liệu khoa học của NASA, khi nhiều bộ dữ liệu từ các sứ mệnh không gian trước đây đã được công khai để cộng đồng quốc tế tiếp tục khai thác.
Bước tiến mới trong AI phục vụ không gian
Lunar Foundation Model không phải dự án AI mã nguồn mở đầu tiên NASA và IBM hợp tác phát triển. Trên Hugging Face hiện còn có dòng Prithvi, tập trung vào các bài toán liên quan đến thời tiết, khí hậu và quan sát Trái Đất.
Tuy nhiên, việc đưa AI nền tảng vào phân tích dữ liệu Mặt Trăng cho thấy hướng tiếp cận đang ngày càng mở rộng từ quan sát Trái Đất sang nghiên cứu không gian sâu hơn. Thay vì phát triển một mô hình riêng cho từng nhiệm vụ, các nhà khoa học có thể xây dựng thêm những ứng dụng mới dựa trên nền tảng AI và dataset đã được công khai.
Đối với chương trình Artemis, đây có thể trở thành một công cụ quan trọng trong quá trình xử lý lượng dữ liệu ngày càng lớn từ các sứ mệnh Mặt Trăng. Khi con người hướng tới việc duy trì sự hiện diện lâu dài hơn trên Mặt Trăng, khả năng phân tích nhanh và chính xác địa hình, tài nguyên cũng như các điều kiện môi trường sẽ đóng vai trò ngày càng quan trọng.