NASA dan IBM meluncurkan NASA-IBM Lunar Foundation Model, model AI open source yang dirancang untuk membantu ilmuwan menganalisis permukaan Bulan. Model ini dapat mendeteksi area yang berpotensi memiliki es serta mengidentifikasi dan mengklasifikasikan kawah.
Model tersebut tersedia untuk diunduh melalui Hugging Face. NASA dan IBM juga merilis dataset open source yang dapat digunakan peneliti untuk mengembangkan model AI baru.
AI NASA-IBM Lebih Akurat Mendeteksi Kawah
Dalam pengujian, NASA dan IBM membandingkan model tersebut dengan SwinV2-B, sistem computer vision yang dikembangkan Microsoft.
Untuk mendeteksi area yang berpotensi mengandung es, model NASA-IBM mampu mengurangi kesalahan hingga 23 persen dibandingkan SwinV2-B.
Sementara untuk mengidentifikasi dan mengklasifikasikan kawah, performanya 19 persen lebih baik, meski hanya menggunakan setengah data pelatihan.
Kemampuan tersebut juga diuji setelah roket SpaceX Falcon 9 jatuh di Bulan pada 5 Agustus. Model berhasil mengenali lokasi tumbukan sebagai kawah baru meski berada sangat dekat dengan kawah yang sudah ada.
“Hasilnya sangat luar biasa,” kata Dr. Juan Bernabé-Moreno, Director IBM Research Europe, UK and Ireland.
Tantangan Melatih AI untuk Permukaan Bulan
Melatih AI untuk menganalisis Bulan tidak mudah. Berbeda dengan Bumi, bayangan di Bulan terlihat sangat gelap dan memiliki batas tajam karena tidak ada atmosfer yang menyebarkan cahaya.
Akibatnya, satu kawah bisa terlihat sangat berbeda dalam gambar yang diambil pada waktu berbeda.
Metode pelatihan computer vision yang biasanya menghilangkan sebagian gambar juga tidak efektif. Banyak kawah memiliki bentuk serupa sehingga AI kesulitan merekonstruksi bagian gambar yang hilang.
Tim peneliti kemudian membagi permukaan Bulan menjadi beberapa bagian seperti irisan jeruk. Area untuk pelatihan dan pengujian dipisahkan agar model dapat belajar dengan lebih konsisten.
Dataset Bulan Dibuka untuk Peneliti
NASA dan IBM juga merilis dataset yang menggabungkan puluhan ribu gambar dan data instrumen dari misi NASA Lunar Reconnaissance Orbiter (LRO), Gravity Recovery and Interior Laboratory (GRAIL), serta misi Jepang Selenological and Engineering Explorer (SELENE).
Data tersebut disusun sehingga setiap piksel gambar dapat dikaitkan dengan jenis data lainnya. Dataset ini memiliki lebih dari dua juta titik data yang telah di-co-register.
Menurut Bernabé-Moreno, dataset tersebut sama pentingnya dengan model AI yang dirilis.
“Data merupakan fondasi utama dalam membangun industri model AI,” ujarnya.
Dengan membuka model sekaligus dataset, NASA dan IBM berharap komunitas peneliti dapat mengembangkan teknologi AI baru untuk mempelajari permukaan Bulan dan mendukung eksplorasi lunar di masa depan.
Scr/Mashable
