NASA ve IBM, Ay Keşfi için Açık Kaynaklı Yapay Zeka Modelini Yayınladı

NASA ve IBM, gelecekteki Ay keşif görevlerinde veri analizi sürecini devrime çevirme potansiyeli taşıyan açık kaynaklı bir jeo-uzamsal temel modelini bugün yayına sundu. "Prithvi" kod adlı model, Ay Keşif Orbiter'ı (LRO) tarafından toplanan devasa veri setleriyle eğitilerek, krater sayımından gölgeli bölgelerdeki su buzuna tespitine kadar pek çok görevi insan operatörlerden çok daha hızlı ve hassas bir şekilde gerçekleştirmeye hazırlanıyor.

Az veriyle çok başarım: Temel model felsefesi

Geleneksel derin öğrenme modellerinin aksine, Prithvi "temel model" (foundation model) mimarisi üzerine kuruludur. Bu yapı, modelin etiketlenmiş az miktarda Ay verisiyle bile (few-shot learning) yüksek doğrulukta tahminler yapmasını sağlıyor. NASA Marshall Uzay Uçuş Merkezi'nin proden sorumlu bilim insanı Dr. Kevin Murphy, modelin "uydu verilerini analiz etme süresini haftalardan saatlere düşürdüğünü" kaydetti. Model, IBM'in watsonx.ai platformu altyapısıyla geliştirilerek Hugging Face deposunda Apache 2.0 lisansıyla paylaşıldı.

Artemis III iniş noktaları için stratejik araç

Modelin en kritik uygulama alanı, 2026 sonrası planlanan Artemis III görevinin iniş alanı belirleme süreci olacak. Ay'ın Kutup bölgesindeki "Daima Karanlık" kraterlerin içindeki su buzuna yerleşim ve yakıt üretimi hayati önem taşıyor. Prithvi, LRO'nun LOLA (laer altimetresi) ve Mini-RF (radar) verilerini birleştirerek bu bölgelerin topografyasını ve buz yoğunluğunu modelleyebiliyor. Bu sayede misyon planlayıcıları, rover rotalarını ve iniş elipslerini çok daha güvenli bir veri seti üzerinde optimize edebilecek.

Açık bilim ekosistemi: Topluluk katkısı bekleniyor

NASA'nın "Açık Bilim" (Open Science) stratejisinin bir parçası olarak yayınlanan model, sadece ABD kurumlarına değil, küresel bilim insanlarına, üniversitelere ve hatta özel sektör girişimcilerine de kapılarını açıyor. IBM Research yöneticileri, modelin Ay ötesi Mars ve diğer gök cisimlerine uyarlanabileceğini, topluluktan gelecek katkıların (fine-tuning) modelin yeteneklerini çarpıcı derecede artıracağını öngörüyor. Bu adım, uzay keşfinde veri darboğazını aşmak adına atılmış en somut adımlardan biri olarak değerlendiriliyor.