La Administración Nacional de Aeronáutica y el Espacio (NASA) e IBM han oficializado una trascendental alianza que culmina con el lanzamiento de un modelo de inteligencia artificial (IA) de código abierto, diseñado para transformar la exploración científica de la Luna. Esta innovadora herramienta tecnológica está capacitada para procesar y analizar petabytes de datos espaciales, compilados a lo largo de décadas de misiones orbitales. Su principal objetivo es proporcionar una precisión sin precedentes en la identificación de depósitos de hielo en los polos lunares, acelerar la catalogación de cráteres de impacto y descubrir formaciones volcánicas hasta ahora inusuales, que podrían redefinir la comprensión actual sobre la evolución geológica de nuestro satélite natural.
Este ambicioso proyecto ha sido coordinado desde la sede central de la NASA, involucrando al equipo de IA Impact del Centro de Vuelo Espacial Marshall, en una colaboración directa con expertos de los centros Goddard y Ames, así como con investigadores de IBM Research. La iniciativa contó con la participación de instituciones académicas de prestigio mundial como la Universities Space Research Association, el Instituto SETI, la Universidad Howard y la Universidad de Maryland en el condado de Baltimore. Para su entrenamiento, el sistema empleó una vasta base de datos que incluye aproximadamente dos millones de imágenes de la sonda Lunar Reconnaissance Orbiter (LRO), junto con mediciones topográficas y geofísicas de misiones como GRAIL, Lunar Prospector y Selene/Kaguya de la agencia espacial japonesa JAXA, garantizando un fundamento empírico robusto.
A diferencia de los algoritmos tradicionales que demandan un desarrollo particular para cada tarea específica, este nuevo sistema se distingue por su arquitectura basada en modelos fundacionales. Al haber sido preentrenado con una ingente cantidad de información no etiquetada, permite a los científicos adaptarlo con una muestra mínima de datos para ejecutar complejas tareas cartográficas. Durante las pruebas de rendimiento, el modelo Prithvi demostró una mejora de hasta el 23% en la identificación de características geográficas y una reducción del margen de error del 22% en la detección de posibles depósitos de hielo polar, superando significativamente al modelo de referencia SwinV2-B. Asimismo, su capacidad para el reconocimiento de cráteres se incrementó en un 19%, utilizando solo la mitad de los datos de entrenamiento, lo que subraya su eficiencia y potencial.
Kevin Murphy, director de datos científicos y director interino de datos e IA en la sede de la NASA en Washington, enfatizó la magnitud de esta innovación al afirmar: ‘La NASA ha dedicado décadas a construir un extraordinario registro científico de la Luna, pero la recopilación de datos es solo una parte del trabajo. También debemos facilitar a los científicos la exploración y el uso de los datos. El Modelo Fundacional Lunar de la NASA-IBM demuestra lo que es posible al aplicar la IA a los petabytes de datos científicos de la NASA. Esa es una oportunidad real que vemos en la IA: convertir grandes conjuntos de datos en nuevos descubrimientos’. Esta perspectiva resalta cómo la integración de la inteligencia artificial puede transformar el volumen masivo de información en conocimiento accionable y hallazgos científicos revolucionarios.
Entre las aplicaciones más prometedoras de esta tecnología figura el análisis de las regiones polares permanentemente sombreadas, donde las bajas temperaturas preservan hielo vital para descifrar la historia del sistema solar y para sustentar futuras misiones de exploración humana. En el ámbito del vulcanismo, el modelo ha logrado una mejora del 3% en la localización de los denominados ‘mares irregulares’ (‘Irregular Mare Patches’), estructuras geológicas de apariencia joven que cuestionan las teorías convencionales sobre el ritmo de enfriamiento lunar. Además, la automatización del conteo y la medición de cráteres permite establecer dataciones cronológicas precisas de los impactos de asteroides, una tarea que tradicionalmente requería semanas de labor manual intensiva por parte de los investigadores.
Todo el ecosistema de este desarrollo tecnológico, que abarca más de treinta capas de información geofísica espacialmente alineadas, ha sido puesto a disposición pública de forma gratuita a través de plataformas abiertas como Hugging Face y GitHub. Su integración en el kit de herramientas TerraTorch asegura la reproducibilidad científica y fomenta la colaboración global en la investigación lunar. Este lanzamiento representa una expansión de la familia de inteligencias artificiales espaciales desarrolladas por la NASA e IBM, complementando la red Prithvi, enfocada en desastres naturales terrestres, y el modelo Surya, diseñado para la predicción de erupciones solares y el estudio del clima espacial, consolidando un enfoque holístico en la observación y análisis planetario. Si le ha parecido interesante este análisis, le invitamos a compartirlo y a dejar su opinión en los comentarios.
