IA Geoespacial : la NASA e IBM crearon una IA que puede analizar la luna
Imaginemos por un momento que trabajamos en la NASA. Somos uno de cientos de investigadores con décadas de fotos, mapas de temperatura, datos de altura y montones de mediciones de todo tipo de un satélite natural de la Tierra.
Un desorden de carpetas que no se hablaban entre sí, eso vivía la NASA con la Luna. Los datos del Lunar Reconnaissance Orbiter (LRO) son una biblioteca enorme que supera por sí sola a toda la información existente de las demás misiones planetarias de la agencia juntas. Solo se necesitaba un buen bibliotecario que pudiera manejarlo.
Así se le dio la bienvenida al recién contratado: NASA-IBM Lunar Foundation Model.
¿Qué es el NASA-IBM Lunar Foundation Model?
El pasado 10 de septiembre del 2026, la NASA e IBM lanzaron este modelo de IA de código abierto para analizar decenas de observaciones lunares. Se encuentra alojado en GitHub y está disponible gratuitamente para cualquier persona en Hugging Face. ¡Ve a echarle un ojo!
¿Tienes más preguntas? Lo sé. No perdamos más el tiempo y resolvámoslas.
1. ¿Un modelo funcional?
Podemos definirlo coloquialmente como un chef que domina por completo las técnicas básicas de la cocina. ¡Solo le pasas cualquier y listo! Este modelo funcional fue entrenado como el cerebro general. Sabe de cráteres, hielos, volcanes, etc. No es necesario construir una IA para cada tema: lo sabe todo y se ajusta para cada trabajo.
2. ¿Qué fue lo primero que supo?
Sus primeros pasos se basaron en más de 30 capas de datos captadas por nueve instrumentos en cuatro misiones de la NASA. Entre estas capas podemos encontrar imágenes y relieves que vienen en distintas escalas, desde mapas regionales de 100 metros por píxel hasta escaneos de terreno de 1 metro por píxel.
Solo imagina tener todo eso en un solo lugar sin que se arme un caos. IBM está muy orgulloso de su modelo de IA. Dice que es el primero que logra integrar observaciones de distintos tipos, ángulos de visión, escalas espaciales y mucho más.
Se entrenó como si fuera un rompecabezas. Le mostraban parte de un «mosaico» lunar, bien podía ser una imagen o datos de su elevación. La IA sola aprendió a deducir la pieza que faltaba, además de analizar por su cuenta detalles como la iluminación. En la luna, las sombras lo cambian todo.
3. ¿Para qué sirve?
El NASA-IBM Lunar Foundation Model demostró gran habilidad en cazar cráteres, buscar hielo y mapear volcanes ocultos. ¿Qué te parece si analizamos a detalle una por una estas habilidades?
Cazar cráteres: con resolución de 100 metros por píxel, superó a un modelo similar en casi un 19% usando la mitad de los datos de entrenamiento. Logra detectar cráteres recién formados y eso es muy difícil. Es casi como encontrar una pequeña peca nueva en una piel llena de lunares.
Capacidad del NASA-IBM Lunar Foundation Model para evaluar la potencial presencia de hielo
Búsquedas de hielo: esta parece ser la protagonista de la historia. Al parecer, la presencia de hielo lunar indica agua y oxígeno. Estos recursos son esenciales para una futura base lunar y producir combustible de cohetes. En otras palabras, si hay agua, hay futuro. Y el NASA-IBM Lunar Foundation Model ayuda a los científicos a estimar dónde podría encontrarse este valioso recurso cerca de los polos.
Capacidad de detección de cráteres del NASA-IBM Lunar Foundation Model
Mapear volcanes misteriosos: en la Luna existen ciertas formaciones llamadas manchas irregulares del mar lunar y delimitarlas es algo completo. El modelo logró superar en un 3% a un modelo especializado con mayor precisión y menor costo.
Capacidad del NASA-IBM Lunar Foundation Model para identificar y cartografiar las zonas irregulares de los mares lunares (IMP), unas formaciones volcánicas poco comunes en la superficie de la Luna
4. ¿Por qué ahora?
La razón principal viene relacionada con lo que todos esperamos que se repitiera por 54 años y es que el programa Artemis planea volver a llevar astronautas a la Luna en el año 2028.
Con la tecnología de hoy en día, nos es posible aprovecharla antes de aterrizar en algún lugar nuevo para saber dónde hay rocas peligrosas, dónde hay luz y dónde podría haber otros recursos útiles.
IBM creó el Google Maps para los próximos astronautas que visiten la Luna. Es una ayuda para que la próxima generación de exploradores se oriente un poco antes de emprender su viaje.
5. ¿De qué nos sirve esto en TI?
Aunque en nuestro día a día no debamos mapear cráteres o detectar mares lunares, esta noticia nos deja conclusiones relevantes para nuestra industria:
Datos sin integrar = oro enterrado: podríamos decir que muchas empresas tienen sus propias versiones de “misiones lunares” en silos separados. Tienen un CRM, ERP, gestión de ticket y logs, todo en lugares diferentes. La clave está en encontrar ese modelo que una todas estas fuentes y así logre descubrir patrones que nadie veía.
Modelo base = más tiempo + más dinero ahorrados: así lo mostró el NASA-IBM Lunar Foundation Model. Ajustar uno general suele costar mucho menos que entrenar uno para cada tarea específica.
Código abierto = aceleración de innovación: cuando el código es abierto, cualquiera puede probar, mejorar, opinar y generar resultados.
El junte de estos dos grandes construyó una gran herramienta que traduce petabytes de datos en algo que un científico pueda usar en su día a día. Y por si fuera poco, lo dejaron abierto para todo el mundo de manera gratuita.
Cuando vuelvas a pensar en el desorden de tus carpetas y lo imposible que será ordenarlo, recuerda que en algún lado del mundo hay una IA trabajando minuto a minuto en organizar la Luna. Nada es imposible.
