NASA e IBM Lanzan una IA de Código Abierto para la Exploración Lunar

¿Cuántas veces has mirado a la Luna pensando que ya lo sabíamos todo sobre ella? Piénsalo otra vez. Tras décadas acumulando petabytes de información espacial, la NASA e IBM acaban de soltar una auténtica bomba tecnológica en el sector open-source. Han lanzado el NASA‑IBM Lunar Foundation Model, una inteligencia artificial creada específicamente para desentrañar los rincones inexplorados de nuestro satélite.

Y ojito con esto, porque no estamos ante el típico anuncio corporativo vacío para contentar a los inversores.

Durante el debut de la herramienta, el sistema ni se inmutó al señalar un punto muy concreto de la superficie lunar en sus mapas. Había identificado correctamente el cráter exacto donde se estrelló un cohete Falcon 9 de SpaceX el pasado mes de agosto. Así de simple.

El fin de revisar píxeles a mano para buscar cráteres

El motivo de esta alianza estratégica tiene mucho sentido si miras de cerca cómo trabajaban hasta ahora los astrónomos. Llevamos décadas lanzando sondas de todo tipo y recopilando unas cantidades absurdas de datos lunares.

Pero claro, la letra pequeña es que una parte gigante de esa información sencillamente no era de acceso público. Estaba fragmentada, guardada en bases de datos obsoletas o, directamente, resultaba un dolor de cabeza técnico cruzar los parámetros de distintas agencias espaciales.

De hecho, los propios responsables del proyecto confiesan que analizar estos datos era un proceso excesivamente tedioso. Imagina tener que revisar la topografía lunar a ojo durante meses para detectar irregularidades. O peor aún, intentar usar modelos de lenguaje genéricos que al final solo devolvían resultados totalmente insuficientes y sin el rigor científico necesario.

Básicamente, los científicos necesitaban un cerebro digital entrenado puramente con datos duros del espacio.

Y es que el primer gran reto de la agencia espacial estadounidense fue construir desde cero un conjunto de entrenamiento abierto y limpio. Para lograrlo, barrieron los archivos históricos de múltiples misiones. Metieron en el pipeline de entrenamiento miles de imágenes de alta resolución y mapas topográficos del Lunar Reconnaissance Orbiter, la mítica sonda que lleva escaneando la Luna desde su órbita alta ininterrumpidamente desde 2009.

Por si fuera poco, le inyectaron la telemetría del campo gravitatorio de la misión GRAIL (2011-2012) y los complejos datos sobre la evolución geológica de la sonda japonesa SELENE/Kaguya (2007-2009). Una base de conocimiento brutal.

Buscando hielo en la oscuridad de cara al proyecto Artemis

Si miramos los números y las capacidades, este nuevo modelo fundacional no se ha creado para generar textos bonitos, sino para hacer ciencia aplicada. Su arquitectura permite a los investigadores reconstruir la historia volcánica de la Luna cruzando datos visuales con mapas de gravedad casi en tiempo real.

A ello se le suma su capacidad de detectar e identificar cráteres ocultos o impactos de meteoritos recientes en cuestión de milisegundos.

Saber exactamente dónde están las formaciones geológicas más modernas o identificar terreno inestable no es un simple pasatiempo para los astrónomos. Tiene implicaciones vitales de cara a la supervivencia humana.

Evidentemente, todo esto forma parte del gran tablero de ajedrez de la exploración física espacial. Las esperadas misiones Artemis ya están calentando motores con un objetivo incuestionable: volver a poner botas de astronautas en el polvo lunar. Pero el plan a largo plazo es muchísimo más ambicioso, y exige establecer una base permanente allí arriba. Y para sobrevivir en ese entorno inhóspito, necesitas agua.

Aquí es donde el modelo de inteligencia artificial de IBM saca músculo de verdad.

Esta herramienta será una pieza tecnológica clave para localizar posibles depósitos de hielo lunar. En concreto, facilitará enormemente el análisis de esas regiones de los polos lunares que permanecen de forma constante en la más absoluta sombra. Lugares oscuros y gélidos donde la revisión humana tradicional fracasa de forma estrepitosa por la falta de contraste lumínico.

Como era de esperar, el detalle que más está aplaudiendo la comunidad científica internacional es su naturaleza totalmente libre.

Cualquier investigador universitario, start-up del sector aeroespacial o un simple entusiasta con un buen ordenador, puede ejecutar el modelo. Sus pesos, la extensa documentación oficial y los codiciados datos de preentrenamiento están disponibles para su descarga íntegra desde Hugging Face. Han democratizado por completo el acceso al mapa más inteligente jamás creado sobre nuestro satélite.

La pelota está ahora en el tejado de los investigadores independientes para ver qué logran descubrir con este software. De momento, queda claro que la nueva carrera espacial ya no se libra únicamente fabricando hardware de titanio y motores gigantes, sino entrenando modelos de inferencia con millones de parámetros matemáticos. El futuro del cosmos se procesa ahora mismo en la Tierra.

Aitor Wilzig

Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.

gptzone.net