Луна копила данные десятилетиями, но толку от архива, который никто не может удобно использовать, немного. Кевин Мёрфи, главный специалист NASA по научным данным, формулирует это прямо: собрать информацию, только половина дела. Вторая половина: сделать её пригодной для работы. Именно это и сделали NASA и IBM Research, выпустив NASA-IBM Lunar Foundation Model: одну из первых открытых foundation-моделей, заточенных под лунную науку.
В основе: почти 2 миллиона связанных между собой фрагментов снимков, собранных из 17 лет наблюдений зонда Lunar Reconnaissance Orbiter, дополненных данными миссий GRAIL, Lunar Prospector и японского Kaguya/SELENE. Получился крупнейший на сегодня мультимодальный массив данных о Луне: свыше 30 слоёв информации от девяти приборов четырёх миссий. Модель не просто смотрит на пиксели: ей дают геометрию освещения, угол Солнца и масштаб снимка как отдельный контекст. На Луне именно освещение, а не рельеф, чаще всего определяет, как выглядит поверхность.
Главный практический результат: поиск льда в вечно затенённых кратерах полюсов. Это не абстрактная научная задача: лёд там может стать источником воды, кислорода и топлива для будущих лунных баз. Модель снизила ошибку предсказания залежей льда на 22% по сравнению с лучшим из конкурентов. На задачах по поиску кратеров в среднем разрешении прирост точности: почти 19%, причём модели хватило вдвое меньше размеченных примеров для обучения. С мелкими деталями на снимках высокого разрешения результаты скромнее: там модель идёт вровень с сильными базовыми алгоритмами, а не обгоняет их.
Для точного определения координат или высоты рельефа модель не годится: в тестах расхождения доходили до десятков градусов по широте и долготе. Авторы прямо говорят: это инструмент анализа и генерации гипотез, а не замена приборам. Код выложен на GitHub, веса: на Hugging Face, модель уже встроена в открытый инструмент TerraTorch. Это продолжение многолетнего партнёрства NASA и IBM: в 2023 году они уже выпускали Prithvi для наблюдений за Землёй, а в 2025-м с ESA разработали TerraMind, архитектуру, на основе которой построена лунная модель. Открытость здесь не жест доброй воли, а стратегия: чем больше лабораторий смогут использовать и улучшать модель, тем быстрее накопится понимание того, где на Луне стоит искать ресурсы для будущих экспедиций.
Создание AI-агентов и автоматизация на n8n: проектируем и запускаем под ключ.
