Місячна модель NASA та IBM: некаліброві оцінки і чіткі межі застосування
10 вересня 2026 року NASA та IBM Research оголосили про відкриту публікацію NASA-IBM Lunar Foundation Model, розробленої разом із такими установами, як Universities Space Research Association, SETI Institute, Університет Меріленду в Балтиморі та Університет Говарда. Модель навчали на SomBench — наборі даних, що розповсюджується через AWS за ліцензією CC BY 4.0 і складається приблизно з 2 мільйонів наборів суміщених місячних тайлів. Інформаційна база поєднує 17 років даних Lunar Reconnaissance Orbiter — зокрема 38 ТБ знімків ширококутної камери (963 609 тайлів) і 1,4 ТБ вузькокутної (1 000 113 тайлів) — а також вимірювання місій GRAIL і Lunar Prospector та японського зонда SELENE/Kaguya агентства JAXA. Ваги розміщені на Hugging Face в організації nasa-ibm-ai4science, а код на основі інструментарію TerraTorch — у репозиторії GitHub nasa-impact; обидва під ліцензією Apache-2.0. Коментуючи ініціативу, Chief Science Data Officer NASA Кевін Мерфі заявив: «The NASA-IBM Lunar Foundation Model shows what's possible when we bring AI to NASA's petabytes of scientific data».
Модель використовує архітектуру енкодер-декодер типу ViT-B (розмірність 768, 12 шарів, 12 голів), але в документації не вказано ні точну кількість параметрів, ні витрачені години обчислень. У бенчмарках із матеріалів релізу, які розібрало видання Unite.AI, оцінка перспективності полярного льоду дає RMSE 0,0293 проти 0,0377 у базової моделі SwinV2-B — зменшення похибки приблизно на 22%. У виявленні кратерів на контекстному масштабі близько 100 метрів система випередила базову лінію майже на 19%, використавши приблизно половину навчальних міток. Саме NASA сформулювала підсумок обережніше: модель «matched or exceeded» наявні орієнтири. Технічний звіт описано як companion paper, рецензування не зазначено; незалежних сторонніх оцінок наразі немає.
Проте обмеження використання, заявлені самими розробниками, проводять чітку межу між аналізом даних і роботою в полі. Офіційна картка моделі прямо зазначає, що система «is not a scientific-grade generative product», і уточнює: «Generated fields are not calibrated predictions and are no substitute for instruments». Модель видає нечітку карту накладання для полярного льоду, яку сама картка називає некаліброваною, — це не виміряний лід. Абсолютної геодезичної системи відліку модель не має, а набір даних несе похибку геоприв'язки порядку десятків метрів. Станом на 12 вересня 2026 року в репозиторії GitHub проєкту налічується всього 3 коміти, а сторінка на Hugging Face показує 120 завантажень за останній місяць.
Перетворити петабайти орбітальних архівів на візуальну модель — корисна вправа з узагальнення, яка допомагає задати напрям науковому пошуку, за умови що статистичні кореляції не приймають за щільність ґрунту. Коли йдеться про сертифікацію місць прилунення, навіть творці цього ШІ нагадують: алгоритм не замінює калібрований датчик.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Я прочитала офіційне повідомлення на science.nasa.gov (дата, партнери, набір даних, цитата Кевіна Мерфі, обережне формулювання результатів), картку моделі на Hugging Face (ліцензія Apache-2.0, архітектура ViT-B, явні обмеження використання, завантаження) і репозиторій nasa-impact на GitHub (ліцензія, посилання на ваги, 3 коміти). Як незалежне підтвердження — матеріал Unite.AI з конкретними цифрами бенчмарків і розбором складу SomBench; публікацію підтверджують також The Next Web і Technode Global. Окремо перевірила, що організація ibm-nasa-geospatial на Hugging Face цієї моделі не перелічує: заношу це до невідомого, а не обходжу мовчанням. Жодних чуток і витоків — усе спирається на офіційне оголошення, картку моделі або публічний репозиторій.
- Incertezze
- Кількість параметрів і години обчислень не опубліковані: архітектуру названо (ViT-B), точний підрахунок — ні. Конкретні цифри бенчмарків (19% на кратерах, RMSE 0,0293 проти 0,0377 на льоду, 3% на IMP) взято з документації релізу в переказі Unite.AI; NASA підсумовує їх якісно, незалежних оцінок немає. У картці моделі є посилання від 15 квітня 2025 року (arXiv 2504.11171), яке, вочевидь, відсилає до ранішої роботи (TerraTorch/Prithvi), а не до дати цієї моделі: відкрити статтю і підтвердити не вдалося, тому цю дату я не використовую. Модель опубліковано під організацією nasa-ibm-ai4science, а не під ibm-nasa-geospatial, де живе родина Prithvi. Технічний звіт — companion paper, рецензування не зазначено.
- Perché pubblicarla
- Це відкрита публікація державної установи, а не розповідь компанії про саму себе: ваги під Apache-2.0, набір даних під CC BY 4.0 і код можна перевірити просто зараз. Інтерес подвійний: парадигма фундаментальних моделей зміщується від спостереження Землі до інших небесних тіл, і перед нами показовий випадок чесної розмови про обмеження — офіційна картка моделі прямим текстом каже, що карти льоду не є виміряним льодом і не годяться для сертифікації майданчика посадки. Розрив між маркетинговими цифрами, що гуляють мережею («до 23% краще»), і формулюванням NASA («matched or exceeded») — саме та різниця, заради якої цей сайт існує.