Én model skal forbinde meget forskellige kort
En central udfordring er forskellen i skala. Kameraerne på Lunar Reconnaissance Orbiter leverer både brede oversigtsbilleder på omkring 100 meter pr. pixel og detaljerede billeder ned til én meter pr. pixel. Andre instrumenter beskriver eksempelvis hældning, lysforhold, temperatur, brint og tyngdekraft. Modellen er trænet til at finde forbindelser mellem disse målinger, selv om de ser forskellige ud og ikke har samme opløsning. Lys er et særligt problem på Månen. Uden en tæt atmosfære bliver kontrasten mellem sol og skygge voldsom, og ved polerne kan lave solvinkler skjule terrænet i lange skygger. Derfor får modellen også oplysninger om blandt andet solens vinkel og hvert billedfelts placering. Det skal hjælpe den med at skelne mellem en fysisk struktur og et mønster, der blot skyldes belysningen.Tre opgaver viser den praktiske værdi
Forskerholdet har foreløbig afprøvet modellen på fire benchmarks inden for tre anvendelser: kortlægning af kratere, afgrænsning af usædvanlige vulkanske formationer og vurdering af, hvor forholdene kan være egnede til stabil is ved polerne. Kratertælling bruges blandt andet til at vurdere alderen på forskellige dele af overfladen, mens de vulkanske områder kan nuancere historien om, hvornår Månen kølede af. På brede kraterkort klarede en tilpasset udgave sig bedre end den stærkeste sammenligningsmodel, selv når den kun brugte halvdelen af træningsdataene. Ved kratere i én meters opløsning var de bedste resultater derimod næsten ens. På de små vulkanske områder var forskellen også så beskeden, at modelkortet selv anbefaler at betragte topresultaterne som sammenlignelige. Den tydeligste gevinst kom i forsøget med ismuligheder. Her faldt modellens fejlmål fra 0,0377 for den bedste sammenligning til 0,0293, svarende til cirka 22 procent lavere fejl. Det er et lovende forskningsresultat, men ikke en direkte opdagelse af vand. Modellen efterligner et eksisterende, fagligt konstrueret kort over sandsynlige isforhold; den måler ikke is i undergrunden.Åben adgang gør resultaterne efterprøvelige
Modelvægte og modelkort ligger offentligt på Hugging Face, mens kode til tilpasning er udgivet på GitHub og integreret i værktøjet TerraTorch. Det gør det muligt for andre forskningsgrupper at gentage forsøgene, undersøge svagheder og tilpasse modellen til nye måneopgaver uden selv at betale for hele grundtræningen. Ifølge modelkortet krævede den cirka 1.100 GPU-timer på 16 NVIDIA H100-processorer. Forskerne brugte også en let tilpasningsmetode kaldet LoRA, som i flere forsøg ændrede en begrænset del af modellen i stedet for alle dens parametre. På krateropgaver gav det resultater på niveau med eller bedre end fuld tilpasning. Det kan sænke regnebehovet, når små forskerhold vil afprøve en ny anvendelse. Åbenheden gør samtidig begrænsningerne synlige. De mest detaljerede træningsbilleder dækker udvalgte steder og er derfor ikke jævnt fordelt over hele Månen. Modellen har heller ikke et fuldt geodætisk referencesystem: Den kan genkende lokale former, men genererede koordinater kan ramme mange grader forkert.AI kan pege på, hvor forskerne bør kigge
Den umiddelbare værdi ligger i sortering og prioritering. En model, der kan gennemgå store arealer og pege på mulige kratere, overfladeændringer eller interessante polarområder, kan flytte forskernes tid fra manuel gennemgang til nærmere undersøgelse af de mest lovende fund. NASA fremhæver også muligheden for at tilpasse modellen med mindre mængder mærkede data end normalt. Det gør ikke AI-kortet til facit. Særligt ved is og sikker navigation er forskellen mellem et statistisk signal og en fysisk bekræftelse afgørende. Den nye udgivelse er derfor bedst forstået som en fælles, åben motor til måneforskning: Den kan forbinde observationer og foreslå mønstre, mens instrumenter, missioner og forskere fortsat skal afgøre, hvad der faktisk findes på overfladen. Hvis andre hold kan gentage resultaterne og bygge videre på dem, kan modellen forkorte vejen fra satellitarkiv til nye hypoteser. Det væsentlige gennembrud er ikke, at en AI allerede har kortlagt Månen færdig, men at et omfattende udgangspunkt nu er frit tilgængeligt for dem, der vil teste næste spørgsmål.Der er benyttet AI til at skrive denne artikel.
