IBM e a NASA divulgaram, em 10 de setembro de 2026, o modelo de inteligência artificial de código aberto NASA‑IBM Lunar Foundation Model, disponível no Hugging Face. Em testes, o modelo reduziu os erros na identificação de áreas com possível gelo em 23 % e superou o baseline SwinV2‑B em 19 % na classificação de crateras, apesar de ter sido treinado com metade dos dados.
Desafios de treinamento e solução adotada
- Segundo o Engadget, o diretor do IBM Research Europa, Dr. Juan Bernabé‑Moreno, descreveu as sombras lunares como "facas‑afiad‑e‑pretas", sem luz difusa, o que retira informações dos pixels e dificulta o aprendizado tradicional de visão computacional.
- Ele contou que a abordagem padrão — remover partes de uma imagem e pedir ao modelo que reconstrua o que faltou — resultou em um "desastre completo" ao tentar aprender crateras lunares, pois muitas delas se parecem quando vistas de órbita.
- Para contornar o problema, a equipe dividiu a superfície lunar em gomos, semelhante a uma laranja, separando totalmente os conjuntos usados para treinamento dos reservados para teste, permitindo que o modelo visse variações suficientes sem sobrepor dados.
- The Straits Times acrescenta que o modelo foi treinado com dados de nove instrumentos embarcados em quatro missões da NASA, incluindo o Lunar Reconnaissance Orbiter.
- O mesmo veículo destaca que o modelo faz parte da família Prithvi de modelos fundação aberta da IBM e da NASA, que abrange aplicações geoespaciais, meteorológicas e outras.
- Segundo o NASA Science, a colaboração visa ajudar pesquisadores a transformar a maneira como analisam a superfície lunar, facilitando a extração de informações úteis para missões futuras.
Validação com evento real e disponibilidade de recursos
- O Engadget relata que, em 5 de agosto de 2026, um foguete Falcon 9 da SpaceX colidiu com a Lua; ao alimentar a imagem do impacto ao modelo, ele identificou corretamente o novo cratera, apesar de sobrepor‑se a uma existente, acertando na primeira tentativa.
- Segundo o TechRadar (Reino Unido), além do modelo, a IBM disponibilizou petabytes de dados lunares para que pesquisadores possam treinar suas próprias versões.
- O NASA Science destaca que a colaboração entre a agência e a IBM faz parte de um esforço contínuo para levar a inteligência artificial ao centro da ciência lunar, apoiando a próxima geração de exploração da Artemis.
- The Straits Times observa que o modelo auxilia na localização de possíveis reservas de gelo, essenciais para água e oxigênio, e apoia o objetivo do programa Artemis de retornar astronautas à Lua até 2028.
- O Engadget menciona que, além do modelo, os pesquisadores podem baixar um conjunto de dados aberto no Hugging Face para treinar versões próprias do algoritmo.
Onde a cobertura diverge
- A NASA Science enfatizou a parceria contínua entre a agência e a IBM para levar a IA ao estudo da superfície lunar.
- O The Straits Times deu destaque ao potencial do modelo para mapear gelo e crateras, vinculando‑o ao apoio de bases lunares e missões a Marte.
- O Engadget detalhou o desempenho em testes, os números de melhoria e a solução criativa de treinamento baseada em gomos lunares.
- O TechRadar (Reino Unido) enfatizou a disponibilidade de petabytes de dados lunares e o papel do modelo como um dos primeiros de código aberto para impulsionar a próxima geração de exploração.
- O DPL News (México) focou na busca por huellas de agua na Luna, destacando o uso de décadas de dados lunares para localizar possíveis reservas de gelo.
