IBM 與 NASA 聯手推開源 AI 模型，助攻月球冰層探勘

IBM 與美國國家航空暨太空總署宣布推出開放原始碼的月球基礎模型，用於協助月球冰層的探勘與相關科學研究。這類基礎模型的建立方式，與一般大眾熟悉的語言模型有相當差異。

月球探測任務累積的資料規模相當龐大。多年來的軌道探測器持續回傳影像、光譜、雷達與地形測繪資料，而這些資料的分析長期受限於研究人力——能夠判讀特定資料類型的專家數量有限，而資料的產出速度遠快於分析速度。

基礎模型的價值在於降低這道門檻。當模型已經從大量資料中學到月球表面的一般特徵，針對特定任務的應用就只需要相對少量的標註資料進行微調；這使得原本需要專門團隊投入數月的分析工作，變得更容易著手。

冰層探勘之所以是重點，在於水對長期任務的關鍵地位。水不僅是生命維持所需，也能分解為推進劑；而從地球運送每一公斤物資到月球的成本極高，因此就地取得水資源是延長任務時間的必要條件。分辨永久陰影區中的冰訊號，正是這類分析的核心任務。

選擇開源釋出也值得注意。這使得資源有限的研究機構與大學能直接使用，而不需要自行從頭訓練；同時，開放的模型能接受更廣泛的檢驗，其限制與偏差更容易被發現——這對科學應用而言相當重要，因為錯誤的判讀可能誤導後續的任務規劃。

後續觀察重點在於模型的實際採用情況與科學產出。基礎模型的價值最終要以其促成的研究成果來衡量，而這需要時間累積；同時，這種「政府機構與企業共同開發並開源」的模式若證明有效，可能會延伸到其他科學資料密集的領域。