NASA ve IBM, Ay yüzeyini analiz etmek amacıyla geliştirdikleri NASA-IBM Lunar Foundation Model'i açık kaynaklı olarak yayınladı. Bu sistem, Ay araştırmaları için tasarlanmış ilk açık kaynaklı yapay zeka modellerinden biri olarak öne çıkıyor. Model, kraterleri tespit edebilmenin yanı sıra, Ay’ın volkanik geçmişindeki yapıları inceleyebilmekte ve kutup bölgelerinde buz bulunma ihtimali yüksek alanları belirleyebilmektedir. Model, Hugging Face üzerinden erişime sunulurken kaynak kodları da GitHub’da paylaşıldı.
Eğitim sürecinde, NASA’nın Lunar Reconnaissance Orbiter (LRO) görevinden elde edilen veriler öncelikli olarak kullanıldı. LRO, yaklaşık 17 yıl boyunca Ay yüzeyinin neredeyse tamamını yüksek çözünürlükte görüntülemiştir. Model, yaklaşık 2 milyon görüntü parçasıyla eğitildi. Bu görüntülerin 1 milyondan fazlası, metre başına 1 metre çözünürlüğe sahip yüksek çözünürlüklü kamera görüntülerinden oluşurken, yaklaşık 964 bin tanesi ise 100 metre çözünürlüklü multispektral görüntülerden oluşmaktadır.
Eğitim verileri yalnızca LRO ile sınırlı kalmayıp, NASA’nın GRAIL ve Lunar Prospector görevlerinden alınan yüksek çözünürlüklü Ay görüntüleri ve arazi verileri ile Japonya Uzay Araştırma Ajansı JAXA’nın SELENE/Kaguya görevinden gelen bilgiler de veri setine dahil edilmiştir. NASA ve IBM, dört farklı görevdeki dokuz cihazdan elde edilen 30’dan fazla uzamsal olarak hizalanmış veri katmanını bir araya getirerek, Ay yüzeyi ve yer altının farklı jeofizik özelliklerini yansıtan on binlerce görüntü ve haritayı aynı makine öğrenmesi veri setinde toplamıştır.
Modelin önemli kullanım alanlarından biri, Ay’ın kutuplarındaki buz yataklarının araştırılmasıdır. Sürekli gölgede kalan bazı kraterler, milyarlarca yıl boyunca çok düşük sıcaklıklarda kalabilmekte ve bu bölgelerde yüzeyde veya yüzey altında buz bulunabilmektedir. Su buzu, gelecekteki insanlı Ay görevlerinde içme suyu ve oksijen kaynağı olarak kullanılabileceği gibi, yakıt üretiminde de değerlendirilebilir.
NASA ve IBM tarafından yapılan testlerde, model, Ay’da buz bulunma ihtimali yüksek bölgelerin belirlenmesinde kullanılan SwinV2-B tabanlı yönteme kıyasla hata oranını yüzde 22’ye kadar düşürmeyi başardı. Model, farklı çözünürlükte ve farklı cihazlardan gelen gözlemleri aynı yapıda işleyerek, özellikle doğrudan görüntülenmesi zor olan kutup bölgelerindeki verileri birlikte değerlendirebiliyor.
Bir diğer kullanım alanı ise Ay yüzeyindeki kraterlerin tespitidir. Kraterlerin sayısı, boyutu ve dağılımı, farklı yüzeylerin yaşının belirlenmesinde ve Ay’ın jeolojik geçmişinin incelenmesinde kritik bir rol oynamaktadır. Krater haritaları, gelecekteki iniş bölgelerinin belirlenmesi, dik eğimler ve büyük kayalar gibi tehlikelerin tespit edilmesi ve kalıcı Ay altyapısının kurulacağı bölgelerin değerlendirilmesi için de kullanılmaktadır.
NASA-IBM modeli, metre ölçeğindeki kraterlerin tespitinde mevcut gelişmiş yöntemlerle benzer doğruluk seviyesine ulaşmaktadır. Yaklaşık 100 metre ölçeğindeki analizlerde ise SwinV2-B modelinden yaklaşık yüzde 19 daha yüksek performans sergilerken, yalnızca yarısı kadar eğitim verisi kullanmaktadır. Model, daha düşük miktarda etiketlenmiş veriyle belirli araştırma görevlerine uyarlanabilme yeteneğine sahiptir.
NASA, modelin yüzeyde sonradan meydana gelen değişimleri de algılayabildiğini göstermiştir. Einstein Krateri yakınlarında bir SpaceX roket gövdesinin çarpmasından önce ve sonra çekilen LRO görüntüleriyle yapılan testte, yapay zeka mevcut kraterleri belirlerken yeni oluşan çarpma kraterini de tespit etmiştir. Çarpışma sonrasında çekilen görüntü, modelin ön eğitim verileri arasında yer almamaktadır.
Model ayrıca “Irregular Mare Patches” olarak adlandırılan düzensiz mare bölgelerini incelemek için de kullanılabilmektedir. Ay’ın volkanik geçmişiyle bağlantılı olan bu oluşumların görece genç görünmesi, Ay’ın soğuma ve jeolojik gelişim tarihinin araştırılmasında önemli veriler sağlamaktadır. Testlerde model, bu volkanik yapıların sınırlarını SwinV2-B modelinden yaklaşık yüzde 3 daha iyi belirleyerek, bunu daha düşük ince ayar maliyetiyle gerçekleştirmiştir.
Tüm testler birlikte değerlendirildiğinde, NASA-IBM Lunar Foundation Model, karşılaştırılan güçlü temel modellerin performansına ulaşmakta veya bu performansı aşmaktadır. En belirgin fark, kutup bölgelerindeki buz kararlılığının tahmin edilmesinde gözlemlenmiştir. IBM, farklı Ay yüzeyi özelliklerinin belirlenmesinde kullanılan yaygın yöntemlere kıyasla performans artışının bazı testlerde yüzde 23’e kadar çıktığını açıklamıştır.
NASA ve IBM, modelin kesin parametre sayısını veya toplam model boyutunu açıklamamıştır. Donanım gereksinimleri, kullanılan veri miktarına, çalıştırılan göreve ve model üzerinde ek eğitim yapılıp yapılmamasına bağlı olarak değişkenlik göstermektedir. Modelin geliştirme sürecindeki ince ayar testlerinin büyük bölümü NVIDIA A100 GPU’larla yapılmıştır. Daha küçük ölçekli deneyler ve yalnızca çıkarım işlemleri daha düşük donanımlarla da gerçekleştirilebilmektedir.
NASA-IBM Lunar Foundation Model, IBM ve NASA’nın daha önce geliştirdiği açık kaynaklı yapay zeka modellerinin devamı niteliğindedir. İki kurum daha önce Dünya gözlem verileriyle eğitilen Prithvi modellerini ve Güneş aktiviteleri ile uzay hava olaylarını inceleyen Surya modelini yayınlamıştı. Yeni Ay modeli de Prithvi ailesine katılmıştır. Model, makine öğrenmesine hazır veri setleri ve karşılaştırma veri kümeleriyle birlikte yayınlanmış ve açık kaynaklı TerraTorch araç setine entegre edilmiştir.
Mert Can Aka, 1996 yılında Üsküdar’da doğdu. Sinema, bilim, teknoloji ve tarih alanlarına duyduğu ilgiyle şekillenen kariyerinde teknoloji editörlüğüne odaklandı. Öğrenmeyi ve bilgiyi aktarmayı merkeze alan Aka, farklı kurumlarda çeşitli görevler üstlendi. Bu süreçte MediaMarkt’ın MediaTrend Teknolojik Yaşam dergisini son sayısına kadar yöneterek dergicilik alanında da deneyim kazandı. Bilgisayar Mühendisliği, Bilgisayar Programcılığı, Web Tasarım ve Kodlama ile birlikte Adalet ve İktisat alanlarında akademik geçmişe sahip olan Aka, bugün Technopat’ta Yazı İşleri Müdürü olarak görev yapmaktadır. Otomotivden yapay zekaya, donanımdan ev teknolojilerine uzanan geniş bir yelpazede ürettiği on bini aşkın içerik, yüz milyonlarca okura ulaşmıştır.
