NASA联手IBM开源月球大模型

NASA和IBM Research最近放出了一个开源月球基础模型，叫NASA-IBM Lunar Foundation Model。这应该是月球科学领域最早的一批开源基础模型之一，合作方还有几所高校。我看完的第一反应是，这事对做遥感AI的人来说挺实在的，因为月球观测数据一直不缺，缺的是能直接拿来训练的高质量标注。

基础模型的思路跟传统任务专用算法不一样。它先在海量无标注数据上预训练，然后只需要少量带标签的样本就能迁移到具体任务上。团队说这正是月球研究的痛点所在——数据多、标签少。模型特别擅长两件事：预测极地冰沉积，以及识别陨石坑。训练数据方面，他们用了17年观测积累的近200万个瓦片包，从零开始训练。NASA首席科学数据官Kevin Murphy的说法是，NASA花了几十年建起月球的科学记录，但收集数据只是一部分，还得让科学家更容易用起来。这话我挺认同的，很多机构的数据躺在服务器里，格式混乱、接口难用，最后真正被用到的比例很低。我比较关注的是它对极地冰的预测能力。月球极地永久阴影区的水冰，是未来载人驻留和燃料补给的关键资源，但遥感反演一直受限于光照和地形。如果基础模型能在这个任务上稳定超过传统方法，那对选址和资源评估会有实际推动。当然，开源只是第一步。模型权重放出来之后，社区能不能复现、能不能在自有数据上微调、推理成本高不高，这些才决定它会不会被真正用起来。我打算先找找它的论文和权重，看看在公开月球数据集上的表现，再判断值不值得接进自己的流程。