⏱️ Okuma Süresi: 2 dk
📝 Kelime: 437
🕐 Son Güncelleme: 14.09.2026 19:28
📌 Öne Çıkan Başlıklar
- NASA ve IBM, Ay yüzeyini analiz eden yeni açık kaynaklı “NASA-IBM Lunar Foundation Model” adlı yapay zeka sistemini GitHub ve Hugging Face üzerinden yayınladı.
- Yaklaşık 2 milyon yüksek çözünürlüklü görüntüyle eğitilen model; krater tespiti, volkanik yapıların incelenmesi ve kutup bölgelerindeki su buzu potansiyelinin belirlenmesinde hata oranını %22’ye kadar düşürüyor.
- Geliştirilen bu çığır açıcı yapay zeka teknolojisinin, gelecekteki insanlı Ay görevlerinde su, oksijen ve yakıt kaynaklarının tespitinde kritik rol oynaması bekleniyor.
Uzay araştırmalarında devrim niteliğinde bir adım atan NASA ve IBM, Ay yüzeyini derinlemesine analiz etmek üzere geliştirilen açık kaynaklı temel yapay zeka modelini kamuoyuyla paylaştı. Uzay teknolojileri alanında son yılların en büyük iş birliklerinden biri olarak gösterilen NASA-IBM Lunar Foundation Model, bilim insanlarına Ay’ın gizemli coğrafyasını benzeri görülmemiş bir detay düzeyinde inceleme fırsatı sunuyor.
Dünya genelindeki araştırmacılar ve yazılımcılar için Hugging Face üzerinden kullanıma sunulan modelin kaynak kodları ise GitHub’da erişime açıldı. Uzay ve teknoloji dünyasında büyük yankı uyandıran bu gelişme, sadece yapay zeka ekosistemini değil, aynı zamanda gelecekteki uzay seyahatlerini de doğrudan etkileyecek potansiyele sahip. Tıpkı otomotiv sektöründe devrim yaratan Elektrikli Kia PV7 Tanıtıldı: Özellikleri ve Menzili haberinde olduğu gibi, teknolojik inovasyonlar hayatımızın her alanında sınırları zorlamaya devam ediyor.
Milyonlarca Görüntüyle Eğitilen Kapsamlı Veri Seti
Geliştirilen bu yapay zeka modelinin arkasında son derece güçlü ve kapsamlı bir veri altyapısı yer alıyor. Modelin eğitim süreçlerinde ağırlıklı olarak NASA’nın Lunar Reconnaissance Orbiter (LRO) görevinden elde edilen ve yaklaşık 17 yıllık bir birikimi kapsayan yüksek çözünürlüklü veriler kullanıldı. Yaklaşık 2 milyon görüntü parçasıyla eğitime tabi tutulan sistem; metre başına 1 metre çözünürlüğe sahip kamera görüntüleri ile 100 metre çözünürlüklü multispektral verileri başarıyla harmanlıyor.
Eğitim verileri yalnızca LRO ile sınırlı kalmadı; NASA’nın GRAIL ve Lunar Prospector görevleri ile Japonya Uzay Araştırma Ajansı JAXA’nın SELENE/Kaguya görevinden gelen bilgiler de veri setine entegre edildi. Dört farklı uzay ajansının dokuz farklı cihazından elde edilen 30’dan fazla uzamsal veri katmanı tek bir makine öğrenmesi havuzunda toplandı. Öte yandan, uluslararası arenada ve yerel dinamiklerde yaşanan gelişmeler de yakından takip ediliyor; örneğin Bilal Erdoğan’dan Diyarbakır’da ‘Terorsuz Türkiye’ Vurgusu gibi stratejik gündem maddeleri de kamuoyunun odak noktasında yer alıyor.
Kutup Bölgelerinde Su Buzu Arayışı ve Hata Payında Düşüş
Modelin en stratejik kullanım alanlarının başında, Ay’ın sürekli gölgede kalan ve milyarlarca yıldır aşırı düşük sıcaklıklarda korunan kutup bölgelerindeki buz yataklarının tespiti geliyor. Tespit edilen su buzlarının, gelecekteki insanlı Ay üslerinde astronotlar için içme suyu, solunabilir oksijen ve roket yakıtı üretiminde hayati bir hammadde olması planlanıyor.
NASA ve IBM mühendislerinin gerçekleştirdiği test sonuçlarına göre yeni model, mevcut SwinV2-B tabanlı geleneksel yöntemlere kıyasla buz potansiyeli yüksek alanların belirlenmesindeki hata oranını yüzde 22 seviyesine kadar düşürmeyi başardı. Farklı çözünürlüklerdeki verileri eş zamanlı ve hatasız işleyebilen bu yapay zeka mimarisi, uzay keşiflerinde yeni bir dönemin kapılarını aralıyor.
