La NASA incorpora inteligencia artificial para estudiar la Luna mediante un modelo desarrollado junto con IBM Research que permitirá analizar grandes volúmenes de datos de la superficie lunar. La herramienta, denominada Modelo Fundacional Lunar NASA-IBM, busca acelerar investigaciones relacionadas con cráteres, actividad volcánica e indicios de hielo en los polos.
El nuevo modelo de inteligencia artificial de la NASA fue entrenado principalmente con información recopilada por el
Orbitador de Reconocimiento Lunar (LRO), lo que busca facilitar el procesamiento de enormes cantidades de imágenes y convertirlas en información útil para los científicos que estudian la evolución y las características de la
Luna.
A diferencia de los modelos tradicionales, que suelen requerir algoritmos diseñados para tareas concretas, los modelos fundacionales son entrenados previamente con grandes conjuntos de datos. Esta característica permite que posteriormente puedan adaptarse con cantidades relativamente pequeñas de información etiquetada para desarrollar diferentes investigaciones.
Para preparar el sistema, los especialistas utilizaron aproximadamente dos millones de fragmentos de imágenes. El conjunto incluye
más de un millón de fotografías de alta resolución y cerca de 964.000 imágenes multiespectrales obtenidas durante años de
observaciones lunares.
El entrenamiento también incorporó información procedente de otras misiones, entre ellas el Laboratorio Interior y de Recuperación de Gravedad (GRAIL), Lunar Prospector y el Explorador Selenológico y de Ingeniería de la Agencia Japonesa de Exploración Aeroespacial.
Inteligencia artificial para detectar cambios en su superficie
Una de las aplicaciones del modelo de IA consiste en identificar y cartografiar cráteres. Cada uno de ellos representa la huella de un impacto, por lo que su número y dimensiones ayudan a determinar la edad de distintas zonas de la superficie lunar y aportan información sobre la historia del sistema solar.
La herramienta de IA también puede apoyar la identificación de formaciones volcánicas poco comunes conocidas como zonas irregulares de los mares lunares. Algunas parecen ser relativamente jóvenes y su estudio podría contribuir a reconstruir con mayor precisión la evolución térmica y geológica de la Luna.
Otra de las tareas en las que la NASA emplea esta inteligencia artificial es la búsqueda de posibles depósitos de hielo cerca de los polos. El sistema puede ayudar a establecer qué zonas presentan mayores probabilidades de conservar hielo estable en la superficie o el subsuelo, especialmente en regiones que permanecen permanentemente en sombra.
La presencia de hielo resulta de interés tanto para comprender la historia lunar como para futuras misiones de exploración. Las regiones extremadamente frías pueden haber conservado estos depósitos durante miles de millones de años y, además, representan potenciales recursos para actividades espaciales posteriores.
En las evaluaciones realizadas, el Modelo Fundacional Lunar NASA-IBM igualó o superó el desempeño de otros modelos de referencia en las tareas analizadas. Los resultados fueron comparables en el mapeo de cráteres y la identificación de formaciones volcánicas, mientras que mostró una ventaja particular en la estimación de la estabilidad del hielo polar.
La NASA y IBM pusieron el modelo a disposición de la comunidad científica como una herramienta de código abierto. Además del sistema, se publicaron conjuntos de datos preparados para aprendizaje automático y material de referencia con el objetivo de facilitar nuevas investigaciones y permitir que científicos de distintas partes del mundo desarrollen y comparen aplicaciones de inteligencia artificial.
Más en Andina:(FIN) NDP/SPV
Publicado: 17/9/2026