JawaPos.com - NASA bekerja sama dengan IBM meluncurkan model kecerdasan buatan (AI) khusus untuk membantu ilmuwan mempelajari permukaan Bulan. Teknologi bernama NASA-IBM Lunar Foundation Model tersebut bersifat sumber terbuka dan tersedia untuk diunduh melalui Hugging Face.
Model ini dikembangkan sebagai foundation model yang dapat digunakan untuk berbagai kebutuhan analisis. Salah satu kemampuan yang telah diuji adalah mengidentifikasi wilayah di permukaan Bulan yang berpotensi mengandung es.
NASA dan IBM menguji performanya dengan membandingkan hasil prediksi model terhadap peta yang dibuat melalui alur kerja ilmiah menggunakan data medan, termal, dan lingkungan. Model tersebut kemudian dibandingkan dengan SwinV2-B, sistem visi komputer Microsoft yang digunakan sebagai baseline dalam berbagai tugas analisis citra.
Baca Juga: John Ternus Buka Era Baru Apple, iPhone Lipat Jadi Ujian Pertama CEO Pengganti Tim Cook
Hasilnya, NASA-IBM Lunar Foundation Model mampu mengurangi tingkat kesalahan sebesar 23 persen. Dalam pengujian untuk mengidentifikasi dan mengklasifikasikan kawah, model tersebut juga unggul 19 persen dibandingkan SwinV2-B meski hanya menggunakan setengah jumlah data pelatihan.
Kemampuan model kembali teruji ketika roket SpaceX Falcon 9 menghantam permukaan Bulan pada 5 Agustus. Saat citra lokasi tumbukan dimasukkan ke dalam sistem, AI tersebut berhasil mengenali lokasi itu sebagai kawah baru meski berada sangat dekat dengan kawah yang sudah ada.
"Hasilnya luar biasa," ujar Bernabé-Moreno, seraya menambahkan bahwa model tersebut berhasil melakukan identifikasi dengan akurat pada percobaan pertamanya.
Pengembangan AI untuk Bulan memiliki tantangan tersendiri karena kondisi pencahayaan di permukaannya berbeda dengan Bumi. Bayangan di Bulan terlihat sangat gelap dan memiliki tepian tajam sehingga sebagian piksel tidak memberikan informasi visual.
Baca Juga: Robot Humanoid Mulai Masuk ke Kehidupan Sehari-hari, dari Cuci Baju hingga Backflip di IFA 2026
"Dalam pengamatan Bumi, kita memiliki citra yang jernih," jelasnya.
"Di Bulan, posisi matahari berubah-ubah sepanjang hari, menciptakan pencahayaan dan bayangan yang tajam, sehingga kita harus bisa menangani bayangan-bayangan tersebut," ujarnya.
Tim IBM juga menemukan bahwa metode pelatihan visi komputer yang umum digunakan kurang efektif untuk data Bulan. Salah satunya adalah metode yang menghapus sebagian gambar lalu meminta AI merekonstruksi bagian yang hilang.
"Anda mungkin menghapus 90 persen bagian kawah, lalu meminta model merekonstruksi 90 persen sisanya hanya berdasarkan 10 persen bagian yang tersisa," jelas Bernabé-Moreno.
IBM kemudian menggunakan pendekatan berbeda dengan membagi wilayah Bulan menjadi beberapa bagian berbentuk irisan dan memisahkan area untuk pelatihan dengan area pengujian.
"Kami membagi wilayah Bulan menjadi beberapa bagian berbentuk irisan—seperti buah jeruk—dan memisahkan sepenuhnya irisan yang digunakan untuk pelatihan dari irisan yang digunakan untuk pengujian. Dengan cara ini, kami dapat memberikan konsistensi yang tinggi pada model tersebut," ujarnya.
Baca Juga: Trump Janjikan USD 5000 dan Perang Iran Berakhir jika Partai Republik Menang Pemilu Paruh Waktu AS
Selain model AI, NASA dan IBM juga merilis dataset sumber terbuka yang dapat digunakan peneliti lain. Dataset tersebut berisi puluhan ribu citra dan data instrumen dari misi Lunar Reconnaissance Orbiter (LRO) dan Gravity Recovery and Interior Laboratory (GRAIL) milik NASA, serta Selenological and Engineering Explorer (SELENE) milik Jepang.
"Salah satu alasan mengapa kita belum pernah melihat model bulan yang komprehensif dan tangguh sebelumnya adalah karena kita tidak memiliki data yang [diorganisasikan] dengan cara yang tepat," ujar Bernabé-Moreno.
Dataset itu telah diselaraskan sehingga berbagai jenis data dapat dihubungkan pada lebih dari dua juta titik. Menurut Bernabé-Moreno, ketersediaan data tersebut menjadi kontribusi penting bagi penelitian Bulan karena model AI akan terus berkembang dan berganti.
"Hal itu saja sudah merupakan kontribusi ilmiah yang sangat besar; terlepas dari modelnya, komunitas kini memiliki kumpulan data yang telah diselaraskan (co-registered) dengan lebih dari dua juta titik [data]," kata Bernabé-Moreno.
"Dan kita tahu bahwa model AI akan digantikan oleh model-model lain. Data-lah yang sesungguhnya membangun industri model AI,” tutupnya.