NASA och IBM har släppt en ny öppen AI-modell som ska hjälpa forskare att analysera månens yta. Ett av de viktigaste användningsområdena är att peka ut områden där vattenis kan finnas, något som kan få stor betydelse när NASA försöker etablera en långvarig mänsklig närvaro på månen genom Artemis-programmet.

Den nya NASA-IBM Lunar Foundation Model lanserades den 10 september och har tränats på stora mängder data från flera NASA-uppdrag.

Modellen ska kunna användas för att bland annat kartlägga kratrar, analysera geologiska formationer och identifiera områden nära månens poler där förutsättningarna för vattenis är särskilt goda.

I vissa tester har modellen presterat upp till 23 procent bättre än etablerade metoder.

Men det betyder inte att NASA nu har en AI som automatiskt kan upptäcka vatten på månen.

Modellen pekar i stället ut områden där vattenis kan vara mer sannolik, vilket kan hjälpa forskare att prioritera vilka delar av månen som bör undersökas närmare.

AI tränad på stora mängder måndata

NASA och IBM har byggt modellen med information från mer än 30 olika datalager från nio instrument på fyra NASA-uppdrag.

Materialet omfattar bland annat bilder av månens yta, topografi, temperaturer, ljusförhållanden, radar, gravitationsdata och information om väte.

En viktig källa är Lunar Reconnaissance Orbiter, LRO, som sedan 2009 har kartlagt månen i detalj.

Genom att kombinera flera olika typer av information kan AI:n upptäcka samband som är svårare att hitta när varje datakälla analyseras separat.

Det handlar alltså inte om samma typ av användning som många förknippar med generativ AI. En grundmodell inom forskning tränas för att känna igen strukturer och samband i stora datamängder och kan därefter anpassas till flera olika uppgifter.

Vi har tidigare förklarat mer generellt hur AI fungerar.

Kan peka ut möjliga fynd av vattenis

Det mest uppmärksammade användningsområdet är sökandet efter vattenis nära månens poler.

I vissa kratrar når solljuset aldrig botten. Där kan temperaturerna vara så låga att vattenis kan bevaras under mycket lång tid.

NASA:s och IBM:s modell kan väga samman flera faktorer som påverkar sannolikheten för att is finns på eller strax under ytan.

Den tittar bland annat på temperatur, permanent skugga, terrängens lutning och hur långt ett område ligger från skuggade regioner.

Resultatet blir en bedömning av vilka områden som är mest intressanta att undersöka.

Det är däremot viktigt att skilja på en sådan sannolikhetskarta och ett faktiskt fynd.

Modellen mäter inte mängden vatten och bekräftar inte att is verkligen finns på en viss plats. Den är ett verktyg som kan hjälpa forskare att hitta bättre kandidater för framtida observationer och undersökningar.

Upp till 23 procent bättre i tester

NASA och IBM uppger att modellen i vissa benchmarktester har presterat upp till 23 procent bättre än etablerade metoder när den används för att identifiera viktiga formationer och strukturer på månen.

På en särskild uppgift för att bedöma sannolikheten för polar is minskade modellens fel med omkring 22 procent jämfört med den starkaste jämförelsemodellen.

Resultaten varierar däremot beroende på vilken uppgift modellen används till.

Det innebär att 23 procent inte ska tolkas som att all analys av månen automatiskt blir 23 procent mer exakt.

På vissa typer av kraterdetektion har skillnaden mot redan starka metoder varit betydligt mindre.

Den öppna modellen och den tekniska dokumentationen finns publicerade genom NASA-IBM AI4Science.

Därför är vatten så viktigt för Artemis

Vatten på månen är mycket mer än en vetenskaplig kuriositet.

Om framtida astronauter kan använda vattenis som redan finns på månen minskar behovet av att transportera allt från jorden.

Vattnet kan användas som dricksvatten, men kan också delas upp i väte och syre.

Syre behövs för människor och både väte och syre kan på sikt användas vid produktion av raketbränsle.

Det är därför resurser nära månens sydpol har blivit en central del av diskussionen kring framtida bemannade månbaser.

Varje kilo material som inte behöver skjutas upp från jorden kan få stor betydelse för kostnaden och möjligheten att genomföra längre expeditioner.

Kopplingen till Artemis blir allt tydligare

Lanseringen kommer samtidigt som NASA försöker flytta Artemis från enskilda månfärder mot en mer uthållig närvaro.

Artemis II genomförde den bemannade färden runt månen under 2026.

Nästa steg omfattar fortsatta tester av systemen som ska användas för bemannade månlandningar, medan NASA planerar att återföra astronauter till månens sydpol under de kommande Artemis-uppdragen.

Sydpolen är särskilt intressant eftersom området både innehåller vetenskapligt värdefull terräng och potentiella resurser i form av vattenis.

Det gör valet av landningsområden betydligt mer komplicerat än att bara hitta en jämn yta.

NASA behöver väga samman säkerhet, terräng, ljusförhållanden, kommunikationsmöjligheter och tillgången till vetenskapligt eller praktiskt intressanta områden.

Här kan den nya AI-modellen bli ännu ett verktyg för forskare och ingenjörer.

Öppen modell kan få fler användningsområden

Att modellen är öppen innebär dessutom att forskare utanför NASA och IBM kan använda och vidareutveckla den.

Det kan leda till fler specialiserade modeller för olika delar av månforskningen.

Samtidigt är tekniken fortfarande ett forskningsverktyg.

NASA och IBM varnar själva för att modellens resultat inte ska behandlas som direkta observationer eller användas ensamma för kritiska beslut om exempelvis landningsplatser.

Den verkliga betydelsen ligger snarare i hur snabbt stora mängder måndata kan sorteras och jämföras.

När NASA förbereder en framtid där människor ska vistas längre på månen kan just den typen av analys bli allt viktigare.

Och om vattenis ska bli en verklig resurs för Artemis måste det första steget vara att veta var det är mest värt att leta.