NASA ve IBM, onlarca yıllık Ay gözlem verilerini birlikte incelemek için geliştirilen açık kaynak NASA-IBM Lunar Foundation Model’i 10 Eylül 2026’da yayımladı. Kurumların açıklamasına göre model; buz bulunma ihtimali olan bölgelerin, kraterlerin ve volkanik yüzey özelliklerinin araştırılmasına yardımcı olmayı amaçlıyor. Araç, bilim insanlarının farklı görevlerden gelen büyük ve parçalı veri kümeleri üzerinde ortak bir yapay zekâ altyapısı kullanabilmesi için tasarlandı.
Dört görevden gelen veriler bir araya getirildi
Model, dört NASA görevindeki dokuz cihazdan toplanan 30’dan fazla veri katmanıyla eğitildi. Bu kaynaklar arasında Lunar Reconnaissance Orbiter gözlemleri de bulunuyor. Verilerin aynı yapıda değerlendirilmesi; farklı çözünürlük, cihaz ve gözlem türleri arasında karşılaştırma yapılmasını kolaylaştırmayı hedefliyor. NASA’nın açıklaması, bu yaklaşımın Ay yüzeyini tek bir görüntü türüne bağlı kalmadan incelemeye imkân verdiğini belirtiyor.
Lunar Foundation Model, IBM ile NASA’nın daha önce Dünya gözlemi, hava durumu ve jeo-uzamsal çalışmalar için geliştirdiği açık Prithvi model ailesine katıldı. “Temel model” yaklaşımı, tek bir görev için sıfırdan sistem kurmak yerine geniş bir veri kümesinde önceden eğitilmiş modeli farklı araştırma sorularına uyarlamaya dayanıyor. Yine de modelin ürettiği sonuçlar doğrudan bilimsel kanıt sayılmıyor; uzman incelemesi ve görev verileriyle doğrulama gerekiyor.
Buz ve krater araştırmalarında kullanım
Reuters’ın aktardığı kurum verilerine göre model, karşılaştırmalı testlerde Ay yüzeyindeki bazı temel özellikleri yaygın yöntemlerden yüzde 23’e kadar daha yüksek doğrulukla belirledi. Bu oran bütün görevler ve bütün koşullar için sabit bir başarı garantisi değil; açıklanan test kapsamındaki en yüksek farkı ifade ediyor. Modelin özellikle sürekli gölgede kalan bölgelerdeki olası buz yataklarını işaretleme, kraterleri haritalama ve volkanik oluşumları inceleme çalışmalarına destek vermesi bekleniyor.
Ay buzuna yönelik araştırmalar bilimsel açıdan önem taşıyor çünkü buz, suyun varlığına ilişkin bilgi sağlayabilir. Gelecekteki görev planlamalarında güvenli iniş bölgelerinin değerlendirilmesi ve kaynak araştırması da ayrıntılı yüzey haritalarına bağlı. Yeni model, kararları tek başına vermek yerine araştırmacıların incelemesi gereken alanları daha hızlı daraltabilecek bir analiz aracı olarak konumlandırılıyor.
Açık kaynak yaklaşımı
Modelin kamuya açık biçimde yayımlanması, üniversitelerin ve araştırma ekiplerinin aynı temel araç üzerinde deney yapabilmesine olanak tanıyor. Model kartı ve dosyalar Hugging Face üzerinde NASA-IBM iş birliği adıyla erişime açıldı. Bu yapı, sonuçların farklı ekiplerce sınanmasını ve yeni kullanım alanlarının geliştirilmesini kolaylaştırabilir. Ancak veri kalitesi, bölgesel gözlem boşlukları ve etiketleme yöntemleri gibi sınırlamalar her uygulamada ayrıca incelenmeli.
HPCwire, The Register ve Reuters’ın 10 Eylül tarihli haberleri modelin açık kaynak niteliği, çok görevli veri yapısı ve Ay yüzeyi araştırmalarına yönelik kullanım alanları konusunda birbiriyle örtüşüyor. NASA Science duyurusu ise projenin birincil kaynağını oluşturuyor. Kaynaklardaki ortak bilgiler dışında performans veya görev başarısı hakkında ek iddialar kullanılmadı.
Sıradaki aşama bilimsel doğrulama
Yeni aracın gerçek değeri, farklı araştırma gruplarının modeli bağımsız veri kümelerinde sınamasıyla daha net görülecek. Buz işaretlerinin, krater sınırlarının ve jeolojik özelliklerin mevcut haritalarla karşılaştırılması; hatalı pozitif ve eksik tespit oranlarının açıklanması önemli olacak. Modelin açık olması, bu testlerin daha şeffaf yapılmasına yardımcı olabilir.
NASA ve IBM’in yayını, yapay zekânın uzay araştırmalarında insan uzmanlığının yerine geçmesinden çok, geniş gözlem arşivlerini daha hızlı tarayan bir yardımcı araç olarak kullanılmasına örnek oluşturuyor. Modelin gelecekteki görev seçimlerini ne ölçüde etkilediği ise ancak hakemli çalışmalar ve operasyonel sonuçlar yayımlandığında değerlendirilebilecek. Araştırmacıların model sürümlerini, kullanılan veri katmanlarını ve değerlendirme ölçütlerini açıkça kaydetmesi, sonuçların karşılaştırılabilirliği açısından belirleyici olacak.
