باشگاه خبرنگاران جوان؛ جواد فراهانی- ناسا و IBM از توسعه یک مدل جدید هوش مصنوعی خبر داده‌اند که برای کمک به پژوهشگران در تحلیل حجم عظیم داده‌های گردآوری‌شده درباره ماه طی دهه‌ها مأموریت و مطالعه طراحی شده است. هدف این ابتکار، تسریع تحقیقات علمی و تبدیل کلان‌داده‌ها (Big Data) به اکتشافات جدید است.

به گزارش وب‌سایت «Space»، ناسا اعلام کرد که این مدل متن‌باز (Open-source) — با نام «مدل پایه قمری ناسا-IBM» (NASA-IBM Lunar Foundation Model) — هم‌اکنون به‌صورت رایگان در پلتفرم «Hugging Face» در دسترس است و می‌توان از آن برای کمک به تحلیل داده‌های مربوط به ماه استفاده کرد.

کوین مورفی، مدیر ارشد داده‌های علمی و سرپرست بخش داده و هوش مصنوعی ناسا، گفت: «ناسا دهه‌ها صرف ایجاد یک سابقه علمی فوق‌العاده درباره ماه کرده است، اما گردآوری داده‌ها تنها بخشی از مأموریت محسوب می‌شود.»

هوش مصنوعی به تحلیل داده‌های ماه کمک می‌کند

ناسا حجم عظیمی از اطلاعات را درباره ماه جمع‌آوری می‌کند. «مدارگرد شناسایی ماه» (LRO) یکی از مهم‌ترین منابع این داده‌هاست؛ اطلاعاتی که این کاوشگر به‌تنهایی گردآوری کرده، از مجموع داده‌های تمام مأموریت‌های سیاره‌ای دیگر ناسا بیشتر است.

تحلیل چنین حجم وسیعی از اطلاعات نیازمند صرف زمان و تلاش قابل‌توجهی از سوی پژوهشگران است. اینجاست که مدل جدید وارد عمل می‌شود؛ این مدل می‌تواند دانشمندان را در انجام طیف وسیعی از وظایف، از جمله نقشه‌برداری از دهانه‌های برخوردی ماه، شناسایی عوارض آتشفشانی اخیر و مدل‌سازی مکان‌های احتمالی وجود یخ‌آب در نزدیکی قطب‌های ماه، یاری کند.

مورفی اظهار داشت که ناسا باید دسترسی و استفاده از داده‌های علمی خود را آسان‌تر سازد؛ به همین دلیل، این آژانس برای توسعه و راه‌اندازی مدل‌های هوش مصنوعی با محوریت علم، با IBM همکاری می‌کند. ناسا و IBM پیش‌تر مدل‌های دیگری از جمله مدلی متمرکز بر رصد زمین و مدلی دیگر اختصاص‌یافته به هلیوفیزیک (مطالعه خورشید و هلیوسفر) را نیز توسعه داده‌اند.

ورود هوش مصنوعی به حوزه علوم سیاره‌ای

راه‌اندازی این مدل جدید بخشی از روندی گسترده‌تر برای ادغام هوش مصنوعی در علوم سیاره‌ای است. آژانس‌های فضایی و شرکت‌های خصوصی فضایی در سراسر جهان در حال بررسی چگونگی بهره‌گیری از مدل‌های هوش مصنوعی برای تحلیل داده‌ها هستند تا بهره‌وری علمی را افزایش، هزینه‌ها را کاهش و گردش کار را بهینه‌سازی کنند.

این مدل جدید عمدتاً با استفاده از داده‌های مأموریت «مدارگرد شناسایی ماه» (LRO) آموزش دیده است. این کاوشگر در طول بیش از ۱۷ سال، داده‌هایی را گردآوری و یک موزاییک تصویری تقریباً کامل و با وضوح بالا از سطح ماه ایجاد کرد و بدین ترتیب، مجموعه داده‌های عظیمی را فراهم آورد که برای آموزش مدل جدید مورد استفاده قرار گرفت.

منبع: الیوم السابع