IBM・NASAが月探査AIを公開、氷とクレーターを探す新たな研究ツール

どんな課題を解くモデルなのか

IBMは、米国と日本の探査ミッションで数十年にわたって蓄積された観測データを、ひとつの表現にまとめたと説明している。[5] 観測方法に加え、撮影角度や空間解像度も異なるデータを統合し、さまざまな研究課題に合わせて調整する構造だ。[5] 基盤には、IBMと欧州宇宙機関が開発した地球観測モデルTerraMindの派生モデルを使っている。[5]

初期の用途は、まだ登録されていない小さなクレーターの地図作成、火山活動の歴史の調査、両極域のクレーター内にある氷の探索の三つだ。[5] IBMの説明における氷は、将来の探査隊の飲料水・酸素・燃料の供給源となる可能性のある資源であり、今回のAI公開だけで確保が実証された資源ではない。[5]

性能数値は条件とともに読む

研究者は、微調整に軽量なLoRAを使い、基盤モデルの重みの90%を固定したと述べている。[5] 全重みを再学習する代わりに、一部の調整で複数の作業に対応する方法だ。[5]

IBMは、暗い極域のクレーターに氷がある可能性を判断する評価で、その課題専用のSwinV2と比べてエラー率が22%減ったと説明している。[5] クレーター検出では、1メートル解像度で課題専用のSwinモデルと同程度の精度を示し、1ピクセルあたり100メートルの条件では、半分の学習データで比較モデルを約19%上回ったと報告した。[5] 異なる解像度や課題をまとめて、ひとつの精度向上の数値として読むべきではない。本記事は発表企業の評価結果を紹介するもので、GamZipがモデルを実行して再現した試験ではない。

GamZipの解説：発見より探索の優先順位

注目したいのは、「月で何かを確実に発見したか」より「次にどこを詳しく調べるか」だ。IBMが示した氷の予測例も、温度や地形情報を組み合わせ、氷の存在可能性が高い領域を示した結果である。[5] 予測地図と現地での確認を同じものとして受け取らないことが重要だ。

GamZipはこのモデルの意味を、汎用AIの記録競争よりも、散在する科学データを再利用する方法に見いだす。研究用に検討するなら、公開モデルとともに技術報告や評価データも確認したい。IBMの発表ページにはモデルのダウンロード、技術報告、ベンチマークデータへのリンクが用意されている。[5] 公開された事実と、実際の研究への適合性は、別々に判断する姿勢が必要だ。

Sources

[5] https://research.ibm.com/blog/nasa-ibm-lunar-foundation-model