Il 10 settembre 2026 NASA e IBM hanno annunciato il NASA-IBM Lunar Foundation Model, un modello fondazionale open source per la scienza lunare. La sua funzione non è dare un verdetto automatico su una missione, ma trasformare grandi archivi di osservazioni della Luna in uno strumento riutilizzabile per la ricerca: può stimare la prospectività del ghiaccio, mappare crateri e analizzare strutture vulcaniche.
La distinzione è importante. Il modello elabora indizi geologici e ambientali associati alla possibile stabilità del ghiaccio, ma non rileva direttamente acqua congelata. Allo stesso modo, NASA lo presenta come uno strumento di ricerca e mappatura, non come un sistema che certifica un sito di atterraggio.
NASA e IBM pubblicano un modello di IA per la Luna
Un modello fondazionale è una base addestrata su una grande quantità di dati, che può poi essere adattata a compiti più specifici con dati etichettati. In questo caso, la base riguarda il telerilevamento lunare, cioè l'analisi di immagini e misurazioni raccolte a distanza.
Il modello può essere adattato a quattro aree principali:
- stima della prospectività e della stabilità del ghiaccio vicino ai poli lunari, anche sotto la superficie;
- mappatura dei crateri;
- rilevamento dei cambiamenti sulla superficie;
- individuazione delle irregolari strutture note come irregular mare patches, formazioni vulcaniche dall'aspetto relativamente giovane.
L'idea è dare agli scienziati una base comune per combinare diversi tipi di osservazione, invece di costruire da zero un sistema separato per ogni problema.
Diciassette anni di osservazioni per addestrarlo
Il nucleo dei dati arriva dal Lunar Reconnaissance Orbiter, che ha fornito osservazioni raccolte nell'arco di 17 anni. Il corpus principale comprende circa 2 milioni di tasselli d'immagine (image tiles), ma non tutte le immagini hanno la stessa risoluzione o lo stesso tipo di informazione.
La suddivisione indicata da NASA comprende:
- più di 1 milione di immagini con una risoluzione di circa 1 metro per pixel;
- quasi 964.000 immagini multispettrali con una risoluzione di circa 100 metri per pixel.
Al materiale del Lunar Reconnaissance Orbiter si aggiungono dati delle missioni GRAIL e Lunar Prospector, oltre a quelli di Kaguya, la missione della Japan Aerospace Exploration Agency. Questa combinazione permette al modello di lavorare su osservazioni lunari con caratteristiche differenti, senza confondere una mappa ad alta risoluzione con una misurazione multispettrale a scala più ampia.
La prospectività del ghiaccio non è una rilevazione
Che cosa significa, in pratica, “prospectività del ghiaccio”? È una stima delle aree in cui le condizioni osservate rendono più plausibile la presenza o la stabilità del ghiaccio. Il risultato aiuta quindi a dare priorità a zone da studiare, ma non equivale a una prova fisica.
La figura dedicata alle regioni polari mostra mappe lunari, pannelli di confronto e una scala di prospectività da 0,0 a 1,0, insieme a un riferimento di 10 km. È una visualizzazione di un'analisi spaziale: i colori rappresentano il risultato della stima, non depositi di ghiaccio confermati.
Questa è la differenza tra restringere il campo della ricerca e trovare una risorsa. Il modello può indicare dove conviene concentrare ulteriori analisi; la conferma del ghiaccio richiede però osservazioni e interpretazioni scientifiche appropriate.
Crateri e cambiamenti della superficie
Il modello può essere adattato anche per riconoscere crateri e variazioni tra osservazioni acquisite in momenti diversi. NASA descrive una dimostrazione basata su immagini del Lunar Reconnaissance Orbiter scattate prima e dopo l'impatto di un corpo di un razzo di SpaceX nei pressi di Einstein crater.
Dopo l'adattamento del modello, il nuovo cratere viene evidenziato separatamente dai crateri già presenti. La dimostrazione mostra quindi come un modello lunare possa essere riutilizzato per analizzare un cambiamento superficiale concreto, non soltanto per classificare il paesaggio statico.
Questo esempio non trasforma il modello in un sistema di monitoraggio operativo in tempo reale. Dimostra invece il valore del fine-tuning, cioè dell'adattamento di una base generale a un compito più circoscritto usando dati specifici.
Le strutture vulcaniche raccontano la storia lunare
Le irregular mare patches sono formazioni vulcaniche insolite che possono apparire relativamente giovani rispetto ad altre superfici lunari. Mappare la loro distribuzione e le loro proprietà aiuta a studiare l'attività vulcanica della Luna e la sua storia termica.
Anche qui il vantaggio principale è la riutilizzabilità: la stessa base può essere adattata a un tipo di struttura diverso da un cratere o da una mappa di prospectività. Il modello non sostituisce l'interpretazione geologica, ma può aiutare a individuare e organizzare più rapidamente le aree da esaminare.
Uno strumento di ricerca, non una certificazione
Il NASA-IBM Lunar Foundation Model va letto come un acceleratore per l'analisi scientifica. La sua utilità sta nel mettere in relazione dati lunari diversi e nel fornire una base adattabile a compiti come la mappatura dei crateri, lo studio dei cambiamenti superficiali e l'analisi delle strutture vulcaniche.
Il limite decisivo riguarda il modo in cui si interpretano i risultati: una mappa di prospectività non è una conferma della presenza di ghiaccio e una dimostrazione su immagini lunari non equivale a una certificazione di sicurezza per l'atterraggio. Per ora, il risultato più concreto è uno strumento aperto pensato per aiutare i ricercatori a capire dove guardare e quali fenomeni confrontare. Ed è proprio questo che può rendere più efficiente il prossimo passo della scienza lunare.
