NASA e IBM lançam modelo de inteligência artificial de código aberto para estudar a Lua

A NASA e a IBM anunciaram, em 10 de setembro de 2026, o lançamento do NASA-IBM Lunar Foundation Model, um modelo de inteligência artificial de código aberto desenvolvido para apoiar pesquisas sobre a Lua. A ferramenta foi criada para analisar grandes volumes de dados científicos e permitir que pesquisadores adaptem o sistema a diferentes tarefas sem precisar desenvolver um novo modelo do zero para cada aplicação.

O modelo de IA lunar foi treinado principalmente com informações obtidas pelo Lunar Reconnaissance Orbiter (LRO), missão da NASA que observa a superfície lunar há 17 anos. De acordo com a NASA Science, o treinamento utilizou aproximadamente 2 milhões de imagens e blocos de dados, incluindo mais de 1 milhão de imagens de alta resolução e registros multiespectrais.

Também foram incorporados dados de outras missões, como a GRAIL, a Lunar Prospector e a missão japonesa SELENE. A combinação amplia a variedade de informações disponíveis para o sistema e permite analisar diferentes características da superfície e do ambiente lunar. A proposta é transformar dados coletados por missões espaciais em uma base reutilizável para novas investigações.

Como o modelo de IA lunar pode ser usado

Entre as aplicações destacadas estão o mapeamento de crateras, a identificação de estruturas vulcânicas e a estimativa de áreas onde pode existir gelo nas regiões polares da Lua. Esses usos dependem da capacidade do modelo de reconhecer padrões em imagens e outros tipos de dados científicos, oferecendo aos pesquisadores uma etapa inicial de análise.

As regiões polares lunares têm importância especial para futuras missões porque algumas áreas permanecem permanentemente sombreadas. A possível presença de gelo nesses locais é relevante para o planejamento de operações de longa duração: a água poderia ser utilizada como recurso para produzir oxigênio e combustível, além de atender a outras necessidades de uma missão. A identificação por inteligência artificial, no entanto, não substitui a validação dos cientistas.

Segundo a IBM Research, o sistema tem caráter multimodal e foi desenvolvido para atender a diferentes demandas relacionadas à ciência lunar. Na prática, isso significa que a ferramenta pode servir como ponto de partida para aplicações específicas, reduzindo o trabalho necessário para treinar modelos independentes em cada projeto.

Código aberto amplia o acesso à pesquisa espacial

O NASA-IBM Lunar Foundation Model foi disponibilizado publicamente no Hugging Face, enquanto o código-fonte pode ser acessado no GitHub. A abertura permite que universidades, centros de pesquisa e empresas de diferentes países avaliem a tecnologia, desenvolvam aplicações próprias e comparem resultados com mais transparência.

A iniciativa também acompanha uma estratégia mais ampla da NASA de compartilhar modelos de inteligência artificial voltados à ciência. A agência afirma que o acesso público a modelos, dados e conjuntos de avaliação pode acelerar a colaboração entre instituições e facilitar o uso de ferramentas avançadas em pesquisas que vão além dos projetos originalmente responsáveis por sua criação.

Para o setor de tecnologia, o lançamento mostra uma aplicação de modelos fundacionais em uma área diferente dos usos mais populares da inteligência artificial, como chatbots e geração de imagens. Neste caso, o objetivo é apoiar a interpretação de dados produzidos por missões espaciais e contribuir para decisões científicas relacionadas à exploração do satélite natural da Terra.

Ferramenta apoia, mas não substitui pesquisadores

Apesar do potencial para acelerar análises, o modelo deve ser entendido como uma ferramenta de apoio. Resultados gerados por sistemas de inteligência artificial precisam ser examinados e validados por especialistas antes de serem usados para confirmar estruturas geológicas, indicar depósitos de gelo ou orientar o planejamento de missões.

Esse cuidado é especialmente importante em estudos lunares, nos quais decisões dependem da qualidade dos dados, das condições de observação e da interpretação científica. O modelo pode ajudar a localizar padrões e priorizar áreas de interesse, mas a confirmação dos achados continua sendo responsabilidade das equipes de pesquisa.

A NASA enquadra o projeto em seus esforços para aplicar inteligência artificial à ciência e tornar recursos tecnológicos mais acessíveis. A página institucional Artificial Intelligence for Science apresenta esse contexto e destaca o uso de modelos compartilhados para ampliar a colaboração científica.

Com a publicação do modelo, do código e dos recursos associados, NASA e IBM oferecem uma base que poderá ser aproveitada em diferentes estudos sobre a Lua. O impacto mais imediato está na possibilidade de analisar dados de missões passadas com novas técnicas, enquanto os resultados futuros dependerão da forma como a comunidade científica adaptar e verificar a tecnologia.