A NASA e a IBM lançaram nesta quinta-feira (10) um modelo aberto de inteligência artificial criado especificamente para analisar a Lua. Chamado de NASA-IBM Lunar Foundation Model, o sistema foi treinado com mais de 30 camadas de dados coletadas por nove instrumentos de quatro missões da NASA, incluindo a Lunar Reconnaissance Orbiter (LRO).
O objetivo é reduzir o trabalho manual necessário para examinar décadas de observações lunares e permitir que pesquisadores encontrem padrões relevantes com mais rapidez. Entre as aplicações estão a identificação de possíveis depósitos de gelo em regiões permanentemente sombreadas, o mapeamento de crateras, a análise de formações vulcânicas e a seleção de áreas potencialmente mais seguras para pousos.
Apuração principal: Reuters — IBM, NASA launch AI model to help map ice, craters on Moon
Por que o gelo lunar importa
A presença de gelo na Lua é um dos pontos mais importantes para futuras missões de longa duração. Água congelada pode servir não apenas para consumo humano, mas também como fonte de oxigênio e hidrogênio, elementos úteis para suporte à vida e produção de combustível.
Por isso, regiões próximas aos polos lunares passaram a receber atenção especial. A dificuldade é que parte dessas áreas permanece sem iluminação direta e reúne grandes volumes de dados obtidos por diferentes instrumentos e em diferentes resoluções.
O novo modelo foi desenvolvido justamente para combinar essas modalidades e ajudar a reconhecer estruturas que seriam mais difíceis de detectar com métodos convencionais.
Modelo foi treinado para várias tarefas lunares
A IBM já havia apresentado em 2025 trabalhos técnicos sobre um foundation model lunar multimodal, então chamado de Soma, capaz de integrar imagens de alta resolução, mapas topográficos e outros tipos de observação da LRO.
Pesquisa técnica: IBM Research — Soma: Foundation Model for Multi-Modal Lunar Science using LRO Datasets
Segundo NASA e IBM, testes de benchmark mostraram que o novo modelo identificou características importantes da superfície lunar com até 23% mais precisão do que métodos amplamente utilizados. Esse número vem dos testes apresentados pelas próprias organizações e ainda deve ser interpretado dentro das tarefas e bases avaliadas.
A arquitetura faz parte da família Prithvi, parceria entre IBM e NASA que já inclui modelos voltados a dados geoespaciais, clima e física solar.
Relação com Artemis e futuras missões
A tecnologia chega em um momento em que a NASA prepara novas etapas do programa Artemis, cujo objetivo é devolver astronautas à superfície lunar e estabelecer uma presença humana mais duradoura antes de missões futuras a Marte.
Nesse contexto, mapas mais detalhados de crateras, recursos e terreno podem ajudar na escolha de locais de pouso, planejamento de rotas e identificação de regiões científicas prioritárias.
A própria IBM descreveu anteriormente o desenvolvimento do modelo lunar como parte de uma estratégia maior para criar foundation models aplicáveis a diferentes divisões científicas da NASA.
Contexto do projeto: IBM Research — From Orbits to Insights: A Foundation Model for Lunar Science
O lançamento também reforça uma tendência crescente de uso de modelos de IA especializados em ciência, em vez de sistemas generalistas de linguagem. Nesse caso, o modelo foi construído para interpretar dados físicos e observacionais da Lua, não para funcionar como chatbot.
A ferramenta é aberta, permitindo que pesquisadores desenvolvam aplicações específicas sobre a base criada por NASA e IBM.
Fontes
https://www.reuters.com/science/ibm-nasa-launch-ai-model-help-map-ice-craters-moon-2026-09-10/ | https://research.ibm.com/publications/soma-foundation-model-for-multi-modal-lunar-science-using-lro-datasets | https://research.ibm.com/publications/from-orbits-to-insights-a-foundation-model-for-lunar-science