NASAとIBMの月面基盤モデル — 未較正の推定と運用上の限界
2026年9月10日、NASAとIBM Researchは、NASA-IBM Lunar Foundation Modelをオープンソースで公開したと発表した。開発にはUniversities Space Research Association、SETI Institute、メリーランド大学ボルティモアカウンティ校、ハワード大学などが参加している。学習に使われたのはSomBenchで、AWS上でCC BY 4.0ライセンスのもと配布される、約200万の共位置合わせ済み月面タイル束からなるデータセットだ。その情報基盤には、Lunar Reconnaissance Orbiterの17年分のデータ — 広角カメラの画像38TB（963,609タイル）と狭角カメラの1.4TB（1,000,113タイル）を含む — に加え、GRAIL、Lunar Prospectorの各ミッション、そしてJAXAのSELENE（かぐや）の観測が統合されている。重みはHugging Faceのnasa-ibm-ai4science組織に、TerraTorchツールキットに基づくコードはGitHubのnasa-impactリポジトリに置かれ、いずれもApache-2.0ライセンスである。この取り組みについて、NASAのChief Science Data Officerであるケビン・マーフィー氏はこう述べている。「The NASA-IBM Lunar Foundation Model shows what's possible when we bring AI to NASA's petabytes of scientific data」。
モデルはエンコーダ・デコーダ型のViT-Bアーキテクチャ（次元768、12層、12ヘッド）を採用しているが、正確なパラメータ数も、要した計算時間も文書には記されていない。リリース資料が示しUnite.AIが分析したベンチマークでは、極域の氷の有望度推定のRMSEは0.0293で、ベースラインSwinV2-Bの0.0377に対して誤差を約22%削減した。文脈スケール約100メートルのクレーター検出では、学習ラベルを約半分しか使わずにベースラインを19%近く上回っている。NASA自身の要約はより慎重で、既存の参照を「matched or exceeded」した、という表現にとどまる。テクニカルレポートはcompanion paperと説明され、査読の有無は示されていない。第三者による独立した評価も、現時点では確認できない。
もっとも、開発者自身が示す使用上の制約は、データ解析と現地探査のあいだにはっきりと線を引いている。公式のモデルカードは、このシステムが「is not a scientific-grade generative product」であると明記し、「Generated fields are not calibrated predictions and are no substitute for instruments」と釘を刺す。モデルが出力するのは極域の氷についてのファジーな重ね合わせマップであり、モデルカードはこれを未較正と位置づけている。測定された氷ではない。絶対的な測地基準系も備えておらず、データセットには数十メートル規模の測位不確かさが残る。2026年9月12日時点で、この取り組みのGitHubリポジトリのコミット数は合計3、Hugging Faceのページに表示される直近1か月のダウンロードは120である。
ペタバイト級の軌道アーカイブを視覚的なモデルに変えることは、科学研究の方向づけに役立つ総合の作業だ。ただし、統計的な相関を地面の硬さと取り違えないという条件つきで。着陸地点の認証という話になれば、AIを作った側でさえ、アルゴリズムは較正されたセンサーの代わりにはならないと念を押している。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- science.nasa.govの公式発表（日付、参加機関、データセット、ケビン・マーフィー氏の発言、結果の慎重な表現）、Hugging Face上の公式モデルカード（Apache-2.0ライセンス、ViT-Bアーキテクチャ、明示された使用上の限界、ダウンロード数）、GitHubのnasa-impactリポジトリ（ライセンス、重みへのリンク、コミット3件）を直接読んだ。独立した裏づけとして、ベンチマークの具体的な数値とSomBenchの内訳を報じたUnite.AIの記事を参照し、公開の事実はThe Next WebとTechnode Globalでも確認した。別途、Hugging Faceのibm-nasa-geospatial組織にこのモデルが掲載されていないことも確かめ、伏せずに不確かな点として記した。噂やリークに依拠した記述は一つもなく、すべて公式発表・モデルカード・公開リポジトリに基づく。
- Incertezze
- NASAとIBMはパラメータ数も学習に要した計算時間も公表していない。アーキテクチャ（ViT-B）は明示されているが、正確な数は不明だ。ベンチマークの具体的な数値（クレーター19%、氷のRMSE 0.0293対0.0377、IMP 3%）はリリース文書をUnite.AIが伝えたもので、NASAの発表は定性的な要約にとどまり、第三者による独立評価は見当たらない。モデルカードには2025年4月15日付の文献（arXiv 2504.11171）が引かれているが、これは明らかに先行研究（TerraTorch/Prithvi）を指すもので本モデルの日付ではない。論文を開いて確認できなかったため、この日付は使っていない。モデルはPrithviファミリーを擁するibm-nasa-geospatialではなく、別組織のnasa-ibm-ai4science以下で公開されている。テクニカルレポートはcompanion paperとされ、査読の記載はない。
- Perché pubblicarla
- これは公的機関によるオープンソース公開であり、企業が自社について語る発表ではない。Apache-2.0の重み、CC BY 4.0のデータセット、そして今この時点で検証できるコードがある。関心は二重だ。基盤モデルという枠組みが地球観測から他の天体へ移りつつあることを示すと同時に、限界を正直に伝える手本にもなっている。公式モデルカードは、氷のマップが測定された氷ではなく、着陸地点の認証には使えないと明言しているのだから。出回っているマーケティング的な数字（「最大23%の改善」）とNASA自身の言い回し（「matched or exceeded」）の落差こそ、このサイトが区別するために存在しているものだ。