NASA-ն հայտարարել է լուսնային հետազոտությունների AI մոդելի բաց թողարկման մասին՝ առանց հիմնական մանրամասների
NASA-ն հայտարարել է լուսնային գիտության համար բաց AI մոդելի, կոդի, տվյալների շտեմարանների և benchmark-ների թողարկման մասին: Գործակալության տվյալներով՝ մոդելն առավելություն ունի բևեռային սառույցի կայունության գնահատման գործում և համադրելի արդյունքներ է ցուցաբերում այլ խնդիրներում, սակայն հրապարակման մեջ բացակայում են քանակական գնահատականները, իսկ լուսավորության տարբերությունը նշվում է որպես փոքր խառնարանների հայտնաբերման սահմանափակում:
NASA-ն հայտարարել է, որ 2026 թ. սեպտեմբերի 10-ին IBM Research-ի և գիտական գործընկերների հետ գործարկել է NASA-IBM Lunar Foundation Model-ը: Գործակալությունն այն ներկայացնում է որպես լուսնային հետազոտությունների համար նախատեսված բաց մոդել, սակայն հրապարակված հաղորդագրության մեջ բացակայում են առանցքային գործնական մանրամասները, այդ թվում՝ ռեսուրսների ուղիղ հղումները, լիցենզիաները և քանակական թեստավորման արդյունքները: [1]
01
Ինչ գիտենք այս պահին
- 01
[1] NASA Science, «NASA, IBM Launch AI Foundation Model for Lunar Science», հրապարակված 2026 թ. սեպտեմբերի 10-ին՝ https://science.nasa.gov/science-research/artificial-intelligence-lunar-foundation-model
- 02
[1] NASA-ի նույն էջից տրամադրված ամբողջական առաջնային տեղեկատվություն՝ արտատպված 2026 թ. սեպտեմբերի 10-ին:
02
Թողարկման ձևաչափն ըստ NASA-ի
NASA-ն նշում է, որ մոդելը, կոդը, նախապատրաստված տվյալների շտեմարանները և benchmark-ները հասանելի են հետազոտական նպատակներով:Հիմնական ուսուցման ծավալը
NASA-ի տվյալներով՝ ուսուցումն իրականացվել է շուրջ 2 միլիոն պատկերի հատվածների (tiles) վրա՝ հիմնականում LRO տվյալներով:Նշված գործառնական սահմանափակումը
NASA-ն ընդգծում է, որ լուսնային տարբեր ուղեծրերում լուսավորության տարբերությունները կարող են ազդել փոքր խառնարանների տեսանելիության վրա:NASA-ի ներկայացրած տվյալների և նշված հիմնական սահմանափակման ամփոփում. արդյունավետության գնահատականները հիմնված են բացառապես NASA-ի հայտարարության վրա: [1]
03
Ինչ է ներառում NASA-ի թողարկումը
NASA-ն հայտնում է, որ IBM Research-ի և գիտական կառույցների հետ համագործակցությամբ գործարկել է NASA-IBM Lunar Foundation Model-ը: Գործակալությունը նախագիծը ներկայացնում է որպես բաց կոդով AI մոդել՝ մշակված հատուկ լուսնային գիտության համար: [1]
NASA-ի փոխանցմամբ՝ նախապատրաստված մոդելը փոքր ծավալի նշագրված տվյալներով կարելի է հարմարեցնել տարբեր առաջադրանքների, այդ թվում՝ խառնարանների քարտեզագրման, անկանոն ծովային հատվածների (irregular mare patches) նույնականացման և լուսնի բևեռներում սառույցի կայունության գնահատման համար: Սրանք նշված են որպես հետազոտական կիրառություններ, այլ ոչ թե անկախ կերպով հաստատված հնարավորություններ: [1]
- NASA-ի փոխանցմամբ՝ մոդելը հիմնականում ուսուցանվել է Lunar Reconnaissance Orbiter-ի տվյալներով՝ շուրջ 2 միլիոն պատկերի հատվածների (tiles) հիման վրա: Գործակալությունը նշում է նաև GRAIL-ի, Lunar Prospector-ի և JAXA-ի Kaguya (SELENE) առաքելության բարձր թույլատրելիության պատկերների ու ռելիեֆի տվյալների օգտագործման մասին: [1]
- Ըստ NASA-ի՝ թողարկումը ներառում է մոդելը, ամբողջական կոդը, մեքենայական ուսուցման համար պատրաստ նախնական շտեմարանները և benchmark-ների հավաքածուները: Գործակալությունը նշում է, որ մոդելը տեղադրված է Hugging Face-ում, կոդը՝ GitHub-ում, ինչպես նաև ինտեգրված է TerraTorch-ում: [1]
- Տրամադրված էջը չի պարունակում այս ռեսուրսների ներբեռնման ուղիղ հղումները: [1]
04
Արդյունավետության գնահատականները մնում են NASA-ի պնդումները
Հայտարարությունում նշվում են դրական համեմատական արդյունքներ, սակայն հստակեցված չէ, թե որքան մեծ է եղել տարբերությունը, որ բազային մոդելներն են օգտագործվել կամ ինչպես կարող են այդ արդյունքները տարածվել այլ պատկերների, նշագրումների կամ հետազոտական աշխատանքների վրա: Ներկայացված տվյալները պետք է դիտարկել որպես NASA-ի հաղորդած գնահատական, այլ ոչ թե անկախ հաստատված եզրակացություն: [1]
- NASA-ն պնդում է, որ գնահատված առաջադրանքներում մոդելը հավասարվել կամ գերազանցել է մի շարք բազային մոդելների (baselines): [1]
- Գործակալությունը հայտնում է խառնարանների քարտեզագրման և անկանոն ծովային հատվածների սեգմենտավորման համադրելի արդյունքների, ինչպես նաև բևեռային սառույցի կայունության գնահատման գործում հստակ առավելության մասին: [1]
- Այս համեմատությունները հնարավոր չէ քանակապես ստուգել հաղորդագրության հիման վրա, քանի որ այն չի ներառում benchmark-ների աղյուսակներ, չափորոշիչներ, ընթացակարգեր կամ անկախ ստուգման տվյալներ: [1]
05
Փոփոխությունների հայտնաբերման հայտնի սահմանափակումը
Լուսավորությունը գործառնական հիմնական սահմանափակումն է, որի մասին նշում է NASA-ն: Տարբեր դիտարկումներից ստացված պատկերները համեմատելիս անհամապատասխան լուսավորության պատճառով փոքր խառնարանները միշտ չէ, որ հստակ տեսանելի են: Հայտարարության մեջ նշված չէ, թե ինչպես պետք է շտկել այս խնդիրը, ուստի համապատասխան պատկերների և պայմանների պարագայում անկախ ստուգումը մնում է պարտադիր: [1]
- NASA-ն նկարագրում է ցուցադրություն, որտեղ նախնական ուսուցումից դուրս մնացած հետհարվածային պատկերն օգտագործվել է fine-tuning-ի միջոցով մակերևույթի նոր փոփոխությունները ճանաչելու թեստում: [1]
- Գործակալությունը նախազգուշացնում է, որ տարբեր ուղեծրերում լուսավորության պայմանների տարբերությունը կարող է ազդել նման աշխատանքներում փոքր խառնարանների տեսանելիության վրա: [1]
- NASA-ն չի հստակեցնում այդ ազդեցության չափը և չի տրամադրում այլ առաջադրանքների համար խոտանման հնարավոր դեպքերը: [1]
06
Ինչն է դեռևս անհրաժեշտ ճշտել
Մոդելի վերարտադրելի կիրառման կամ գիտական ուսումնասիրության համար օգտատերերը դեռ պետք է գտնեն թողարկված նյութերի կոնկրետ հասցեները և ճշտեն դրանց պայմաններն ու տեխնիկական փաստաթղթերը: Տրամադրված նյութերում նշված չեն լիցենզիան, համատեղելի հաշվողական համակարգերը կամ տեղադրման ամբողջական քայլերը: [1]
- Հիմնական աղբյուրը NASA-ի հայտարարությունն է՝ «NASA, IBM Launch AI Foundation Model for Lunar Science», թվագրված 2026 թ. սեպտեմբերի 10-ով: [1]
- NASA-ն իր էջում տրամադրում է ընդհանուր հղում իր բազային մոդելների ռազմավարության վերաբերյալ, սակայն ներկայացված նյութերում բացակայում են նախագծի առանձին ռեսուրսների ուղիղ հղումները: [1]
07
Մոդելից օգտվելուց առաջ
NASA-ի էջում նշվում են տարածման հարթակները, սակայն չեն տրամադրվում ռեպոզիտորիաների կամ տվյալների շտեմարանների ուղիղ հղումները, լիցենզիայի պայմանները և տեղադրման պահանջները: Մինչ նյութերին ապավինելը ճշտեք այս մանրամասները պաշտոնական հայտարարությունում և կից նախագծային էջերում: [1]
- 01
Նախ ուսումնասիրեք NASA-ի պաշտոնական հայտարարությունը, ապա գտեք նշված Hugging Face, GitHub և TerraTorch ռեսուրսները: [1]
- 02
Ստուգեք կիրառելի լիցենզիան, կախվածությունները (dependencies), համակարգային պահանջները և fine-tuning-ի ուղեցույցները, որոնք բացակայում են ներկայացված հայտարարությունում: [1]
- 03
Ստուգեք արդյունքները կոնկրետ առաջադրանքի համար. NASA-ն նշում է համեմատական առավելությունների մասին, սակայն էջում չի ներկայացնում թվային benchmark-ների աղյուսակ, սխալների ցուցանիշներ կամ գնահատման ընթացակարգ: [1]
- 04
Մակերևույթի փոփոխություններն ուսումնասիրելիս հաշվի առեք ուղեծրային լուսավորության տարբերությունները, որոնք, ըստ NASA-ի, կարող են ազդել փոքր խառնարանների տեսանելիության վրա: [1]
08
Այս թողարկման սահմանափակումները
Ներկայացված տեղեկատվությունը հիմնված է NASA-ի առաջնային հայտարարության վրա. մոդելի գործարկումը, համագործակցությունը, տրամադրվող նյութերի կազմը և արդյունավետության պնդումները չունեն անկախ հաստատում: [1]
Հայտարարության մեջ նշվում են Hugging Face-ը, GitHub-ը և TerraTorch-ը, սակայն տրամադրված աղբյուրում բացակայում են մոդելի, կոդի, տվյալների շտեմարանի, benchmark-ների կամ կից գիտական հոդվածի ուղիղ հղումները: [1]
NASA-ի էջում նշված չեն լիցենզիաները, օգտագործման սահմանափակումները, համակարգային պահանջները, ծրագրային կախվածությունները կամ fine-tuning-ի ցուցումները: [1]
NASA-ն հայտնում է հարաբերական գերազանցության մասին, սակայն չի տրամադրում թվային արդյունքներ, սխալների ցուցանիշներ, առաջադրանքների խոտանման վերլուծություն, գնահատման ընթացակարգ կամ անկախ փորձաքննության տվյալներ: [1]
SRC
Աղբյուրների բաժին
Ուղիղ հղումներ այս ընտրանու հիմքում եղած նյութերին: Աղբյուրը տեսնելը նույնքան կարևոր է, որքան սինթեզն ընթերցելը:



