发生了什么

NASA（美国国家航空航天局）与IBM Research（IBM的研究部门）发布了NASA-IBM月球基础模型。NASA在9月10日介绍，这是专门为月球科学打造的开源人工智能模型之一。它主要学习NASA月球勘测轨道器LRO拍摄的数据，可以帮助研究人员绘制陨石坑地图、寻找较年轻的火山地貌，并估计月球两极哪些地方可能让冰长期保存。模型放在Hugging Face上，完整代码放在GitHub上。配套的机器学习数据和评测数据也一起开放。

它从哪些数据学到本领

LRO已经观测月球17年，拍到了几乎整个高分辨率的月面。模型训练用了约200万个图像小块。超过100万张是1米分辨率的相机图像，约96.4万张是100米分辨率的多光谱图像。数据还来自GRAIL、Lunar Prospector，以及JAXA的SELENE。

基础模型不是只会做一件事的工具。它先从大量数据中学习广泛的图像规律，再用少量带有答案的样本去适应新任务。这样，研究人员不必每次都从零开始训练一个模型。

为什么重要

陨石坑是物体撞击月面后留下的痕迹。统计它们的数量和大小，可以帮助科学家估计月面年龄，也能研究太阳系的历史。模型如果能更快完成大范围识别，研究人员就能把更多时间放在解释结果上。

月球两极有些地方长期照不到阳光，温度足够低，冰可能保存很久。绘制这些冰的分布，可以帮助人们了解月球过去，也能为未来探月寻找可能利用的资源。模型还可以寻找看起来比较年轻的不规则月海斑块。这些火山地貌可能帮助科学家重新思考月球何时冷却下来。

已经确认的能力

NASA表示，在已经评测的任务中，这个模型的表现达到或超过了几个强大的基准模型。它在陨石坑绘制和火山地貌分割方面表现相近，在估计极地冰是否稳定方面优势更明显。

一次测试研究了SpaceX火箭残骸撞击月面后形成的新坑。研究人员没有把撞击后的图像放进预训练数据，之后再调整模型寻找变化。模型识别出了原有陨石坑，并标出了新形成的坑。这说明它可能适应没有见过的月面变化。不过，不同轨道拍摄时的光照不同，小陨石坑可能更难识别。

还不能确定什么

这些结果来自NASA公布的评测，并不等于人工智能可以独立确认新的科学发现。它在不同地区、不同光照和不同研究任务中的稳定程度，还需要继续测试。科学家仍然要把模型的判断与图像及其他观测结果进行比较。

接下来关注什么

模型、代码、训练数据和评测数据已经开放。世界各地的研究人员可以重复实验、比较结果并改进方法。今后需要观察的是，它能否真正改变月球地貌图、极地冰的估计，以及人们对月球地质历史的理解。