La NASA e IBM han desarrollado y publicado como código abierto el NASA-IBM Lunar Foundation Model, una inteligencia artificial especializada en ciencia lunar diseñada para acelerar el análisis de la inmensa cantidad de datos acumulados durante 17 años por la Lunar Reconnaissance Orbiter (LRO). Esta sonda, en órbita desde 2009, ha generado un volumen de información sobre la superficie lunar superior al de todas las demás misiones planetarias de la agencia combinadas. El objetivo principal de esta herramienta no es sustituir el análisis científico humano, sino optimizar el proceso de identificación de patrones, como cráteres, estructuras volcánicas y zonas con potencial de hielo, tareas que tradicionalmente requerían el desarrollo de sistemas especializados para cada caso concreto.
El modelo fundacional se entrenó con aproximadamente dos millones de teselas de imágenes y mapas lunares. Según los datos proporcionados por las fuentes, el conjunto de entrenamiento incluyó más de un millón de imágenes de alta resolución (aproximadamente un metro por píxel) y casi 964.000 observaciones multiespectrales (de unos 100 metros por píxel). Además, el sistema incorporó información de otras misiones históricas como GRAIL, Lunar Prospector y la japonesa Kaguya. A diferencia de los modelos de lenguaje generativos populares, esta IA no está diseñada para responder preguntas conversacionales, sino para procesar visualmente la topografía lunar y permitir su reutilización para diversas tareas científicas.
Una de las aplicaciones más críticas del modelo es la estimación de la 'prospectividad de hielo' en los polos lunares. En estas regiones, ciertas zonas permanecen permanentemente en sombra, lo que permite que el hielo pueda conservarse durante miles de millones de años. Es importante aclarar que la IA no detecta el agua helada de forma directa, sino que señala qué lugares reúnen las condiciones geológicas y térmicas más favorables para su existencia y estabilidad, tanto en la superficie como bajo ella. Este análisis es vital por dos razones: científicamente, ayuda a comprender la historia de la Luna y la conservación de volátiles; y operativamente, el agua podría convertirse en un recurso local clave para futuras bases, sirviendo para el consumo humano y para procesar hidrógeno y oxígeno, esenciales para el soporte vital y como propelentes. Este interés se intensifica mientras la NASA prepara el regreso de astronautas a la superficie mediante el programa Artemis, aunque el modelo no fue presentado específicamente como una herramienta exclusiva para esa misión.
Otra aplicación destacada es el mapeo de cráteres. Cada cráter es la huella de un impacto, y contarlos y medirlos permite reconstruir la edad relativa de las zonas de la superficie y parte de la historia del sistema solar. La NASA validó la capacidad del modelo mediante un experimento con imágenes tomadas antes y después del impacto de un cuerpo de cohete de SpaceX cerca del cráter Einstein. El sistema logró resaltar el nuevo cráter junto a los existentes, demostrando su capacidad para ajustarse y reconocer cambios que no formaban parte de su preentrenamiento inicial. Asimismo, la herramienta ayuda a localizar las 'irregular mare patches', pequeñas estructuras volcánicas anormalmente jóvenes que han llevado a los científicos a revisar cuándo terminó realmente la gran etapa de actividad volcánica en el satélite. Identificarlas con mayor rapidez permite ampliar el número de regiones estudiadas y comparar mejor sus características, aportando piezas clave para reconstruir cómo se enfrió y evolucionó el interior lunar.
En cuanto a su rendimiento, la NASA señala que el modelo igualó o superó a varios sistemas de referencia, con su ventaja más clara en la estimación de prospectividad de hielo, mientras que en la detección de cráteres y estructuras volcánicas las diferencias fueron más ajustadas. Las fuentes coinciden en que la herramienta no está validada para certificar zonas de alunizaje ni para despejar riesgos operativos directos. Su valor reside en ofrecer a la comunidad científica una base abierta y reutilizable para analizar más rápidamente un archivo lunar en constante crecimiento, permitiendo formular mejores preguntas sobre la superficie y acelerar el descubrimiento de recursos vitales para la exploración futura.