NASA i IBM otvorili su svoj model lunarne umjetne inteligencije za javnost, a u prvoj rečenici priopćenja stoji kako će „transformirati način na koji istraživači analiziraju Mjesečevu površinu”.
Model nazvan NASA-IBM Lunar Foundation Model objavljen je na platformi Hugging Face, a cijeli kod dostupan je na GitHubu. Treniran je na podacima koje je NASA-in Lunar Reconnaissance Orbiter prikupljao 17 godina — otprilike dva milijuna sličica, od čega više od milijun kamera visoke rezolucije od jednog metra i gotovo 964.000 multispektralnih snimki od sto metara. Uz to su korišteni podaci misija GRAIL, Lunar Prospector i japanskog SELENE-a.
Što model radi? Brzo prepoznaje kratere, pronalazi mlade vulkanske strukture i procjenjuje gdje bi se led mogao zadržati u polarnim predjelima. NASA-in Kevin Murphy, glavni znanstveni podatkovni i vršni podatkovni i AI dužnosnik u sjedištu agencije u Washingtonu, kaže da prikupljanje podataka nije cijeli posao: „Podatke moramo učiniti lakšima za istraživanje i korištenje.”
Zvuči uredno. No upravo tu počinje ono što iz priopćenja ne vidite.
Što zapravo dobivate, a što ne
Model je „open source”, ali otvorenost se odnosi na kod i težine modela, ne na podatke u cijelosti. Trening je izveden na NASA-inim podacima, a ono što se nudi kao „machine-learning-ready” skupovi već je obrađeno i klasificirano. To znači da netko drugi — u ovom slučaju NASA i IBM — odlučuje što je relevantan uzorak, što je šum i što je „zanimljivo”.
To nije teorija zavjere, to je priroda svakog temeljnog modela: on ne otkriva svijet, on prepoznaje obrasce na kojima je učen. Ako su podaci o ledu na polovima trenirani na pretpostavkama o stabilnosti leda u trajno zasjenjenim područjima, model će te pretpostavke reproducirati s velikom sigurnošću. Znanstvenik koji zatim „samo malo dotjera” model neće nužno preispitati te pretpostavke — on će ih naslijediti.
Isti mehanizam vrijedi i za vulkanske strukture poput nepravilnih morskih zakrpa. One izgledaju mlado, što dovodi u pitanje ustaljenu vremensku crtu hlađenja Mjeseca. Model ih pronalazi brže od čovjeka. Ali brzina pronalaženja nije isto što i tumačenje starosti — a upravo je tumačenje ono što ostaje ljudima.
Isti obrazac kao i na Zemlji
Ovo nije prvi put da NASA i IBM zajedno guraju AI u znanost. Prije lunarne misije došli su modeli Prithvi, trenirani na podacima o Zemlji za praćenje poplava, uroda i uragana, te Surya, model za predviđanje sunčevih erupcija koje mogu poremetiti elektroenergetske mreže i satelitske operacije.
Uzorak je jasan: veliki podaci, veliki modeli, veliki partneri. NASA polaže pravo na podatke, IBM na infrastrukturu, a akademske institucije — USRA, SETI Institute, Sveučilište Maryland Baltimore County, Howard University — daju legitimitet i radnu snagu. Rezultat se objavljuje kao „otvorena znanost”.
Pitanje koje priopćenje ne postavlja: kome točno služi ova otvorenost? Ako buduće istraživanje Mjeseca — a Mjesec je danas i pitanje resursa, ne samo znanosti — sve više ovisi o modelima koje su istrenirale dvije američke korporacije i jedna državna agencija, tko onda postavlja standarde procjene gdje se nalazi led, a gdje ga nema?
Led na Mjesecu nije akademska sitnica. To je pitanje vode za buduće baze, goriva za daljnje letove i, u konačnici, geopolitičkog položaja. Ako se procjena tih zaliha svede na „model je rekao”, onda smo znanstvenu metodu zamijenili za crnu kutiju kojoj vjerujemo jer je istrenirana na velikom uzorku.
Model je dostupan. Podaci su dostupni. Pitanje je samo čiji će zaključci na kraju postati službeni.