IBMとNASAが月面基盤モデルを公開、ただし地図にはなお人間による検証が必要
IBMとNASAは9月10日、NASA-IBM Lunar Foundation Modelをオープンソースソフトウェアとして公開した。異なる解像度で収集された観測データを横断し、クレーター、氷の存在が見込まれる堆積物、火山地形という難度の高い3つの月面マッピング課題に、再利用可能な単一システムで取り組むことを目指す。今回の公開は、機器や研究課題ごとに個別モデルを訓練する従来の科学ワークフローに一石を投じるものだ。
この挑戦は、見出しになる性能数値以上に重要だ。IBMによると、同モデルは広く用いられている視覚ベースラインと比べ、ある氷探査ベンチマークで誤差を22％削減した。低解像度のクレーター検出では、訓練データを半分に抑えながら、約19％高い性能を示したとされる。結果は有望だが、いずれもプロジェクトチームが設計・報告したベンチマークに基づくものでもある。
したがって本当の競争は、IBMと他のAI企業との対決ではない。複数用途に対応するマルチモーダル科学モデルと、個別データセットを中心に構築されたタスク特化システムの競争である。前者は研究の高速化とアクセスの拡大を約束する。一方で後者は、限定された科学的問題の範囲では依然として検証しやすい。
NASA-IBM Lunar Foundation Modelが断片化された観測を統合する
今回の公開により、互いに切り離されていた月面測定データ群が、科学AIプロジェクトの共通の出発点となる。
IBMとNASAは、外部研究者向けにモデル、重み、補助データセット、適応ツールを公開した。公開されたモデルカードによると、ソフトウェアはApache 2.0ライセンスの下でHugging Faceから利用できる。
基盤モデルは、幅広いデータで訓練され、研究者が複数の下流タスクに適応できるモデルを指す。このケースでの「幅広さ」は、インターネット上のテキストや会話知識ではなく、異なる種類の月面リモートセンシングデータを意味する。
これは、月について質問するためのチャットボットではないという点で重要だ。月面、地形特性、観測条件の表現を抽出・生成するよう設計されたビジョンシステムである。
IBMとNASAは、空間的に整合した30以上のレイヤーを含む、機械学習向けデータセットも構築した。プロジェクトの月面モデル公開情報によると、これらのレイヤーは4つのミッションに関連する9つの観測機器から取得されている。
基礎となる観測には、NASAのLunar Reconnaissance OrbiterとGravity Recovery and Interior Laboratoryミッションのデータが含まれる。さらに、日本の宇宙航空研究開発機構によるSELENE、別名Kaguyaの測定データも組み込まれている。
これらの機器は同じ方法で月を観測しているわけではない。可視表面の細部を記録するものもあれば、温度、重力、標高、レーダー特性、鉱物組成、水素量を測定するものもある。
空間解像度にも大きな差がある。Lunar Reconnaissance OrbiterのNarrow Angle Cameraは、1ピクセルあたり約1メートルで地形を撮影できる。一方、Wide Angle Cameraは、1ピクセルあたり約100メートルで、より広範な文脈を提供する。
重力測定は、はるかに粗いスケールで行われる場合がある。これらの情報源を組み合わせるには、複数の画像ファイルを同じフォルダーに置くだけでは不十分だ。
プロジェクトチームは観測データを地理的に整合させ、位置登録済みのタイルバンドルに分割した。各バンドルは、複数の機器または派生測定を通じて、同じ月面領域を表現する。
公開されたSomBench事前訓練データセットには、このようなバンドルが約200万件含まれる。モデルカードには、Narrow Angle Cameraのバンドルが1,000,113件、Wide Angle Cameraのバンドルが963,609件と記載されている。
このシステムは、2つの主要な空間スケールにおける11のモダリティから学習した。9つのモダリティは高密度な画像状データソースであり、残る入力は光学メタデータと静的な地理的コンテキストを符号化する。
この光学情報には、太陽入射角、放射角、位相角、方位角が含まれる。また、地上サンプリング距離と関連する地表座標も対象となる。
月では照明情報が特に重要だ。光を散乱させる大気がほとんどないため、太陽角度のわずかな変化が、影とハイライトを大きく変える可能性がある。
こうした条件を無視するモデルは、照明の変化を地形の変化として解釈しかねない。これに対し、NASA-IBM Lunar Foundation Modelは取得時の観測幾何を明示的な入力として受け取る。
この設計は、観測機器が何を捉えたのかと、それを捉えた条件とを分離する助けとなる。これは、異なる時点や視線角で得られた観測を研究者が比較する前に必要な工程だ。
したがって、このモデルが変えるのは単一のマッピングタスクの速度だけではない。従来は相当な前処理とタスク固有のエンジニアリングを必要としていた観測データに、共有表現を提供する。
この共通表現こそが、本稿の中心的な緊張関係を生む。再利用可能なモデルはより広い適用範囲をもたらすが、下流で得られる科学的主張はすべて、タスクレベルでの検証をなお必要とする。
再利用可能な単一モデルがタスク特化システムに圧力をかける理由
IBMとNASAは、月を研究する人々が問いごとに分析パイプライン全体を作り直すのではなく、共有された単一のバックボーンを適応させるべきだと考えている。
従来の科学的機械学習は、慎重に選んだデータセットと、狭く定義された一つの目標から始まることが多い。研究者は、クレーター検出用、火山地形の輪郭抽出用、氷の存在可能性推定用に、それぞれ別のモデルを訓練するかもしれない。
この手法には概念的な明確さがある。各モデルには、定義された入力、ターゲットラベル、評価方法がある。
一方で、作業の重複も生む。チームは本来の科学的問いを検討する前に、データセットのクリーニング、入力パイプラインの設計、アーキテクチャの選定、大規模なパラメータ群の訓練を繰り返す。
事前訓練済みの月面バックボーンは、その作業の多くを上流へ移す。研究者は複数の観測タイプから学習した特徴を出発点とし、より小規模なタスク固有データセットでモデルを適応できる。
IBMとNASAは、このアプローチをフルファインチューニング、凍結エンコーダー、低ランク適応で検証した。通常LoRAと呼ばれる低ランク適応では、ベースモデルのパラメータの大半を変更せず、小規模な補助行列を訓練する。
プロジェクトの研究者は、ベースモデルの重みの約90％を凍結したままにするLoRA構成を使用した。これにより、適応に必要な計算資源とストレージを削減できる可能性がある。
ただし、公開結果は万能の適応ルールを裏付けるものではない。モデルカードによると、LoRAはクレーター検出でフルファインチューニングと同等以上の成果を示した一方、2つの小規模ベンチマークではフルファインチューニングが優位性を維持した。
完全に凍結したエンコーダーは、小規模な火山地形データセットの一つで最高の性能を示した。しかし、クレーター検出ではすべてのベースラインを下回った。
こうした違いは、単純化された導入ストーリーを崩すという点で有益だ。研究者は依然として、どの適応戦略が自らのデータ、ラベル、許容できる誤差に適合するかをテストする必要がある。
より広範な圧力は、単一センサーを中心に組織されたワークフローにかかる。地点の見た目から分かるのは、その物理的な特徴の一部にすぎないため、月に関する問いはしばしば観測機器の境界をまたぐ。
氷の存在が見込まれる堆積物は、その明確な例である。研究者は地表温度、傾斜、照明、地形、レーダー測定、地下の安定性推定を考慮する可能性がある。
従来の画像モデルは、複数のレイヤーを入力チャネルとして積み重ねることができる。月面モデルはモダリティごとに個別の学習済みアダプターを用意し、その後、transformerアーキテクチャ内で生成されたトークンを統合する。
transformerは、入力要素間の関係を評価するニューラルネットワークである。ここでの要素は、文中の単語ではなく、異なる月面測定から得られたパッチを表す。
このトークンレベルのアプローチにより、モデルはモダリティ間の関係を学ぶ前に、その差異を保持できる。IBMは、氷ベンチマークの改善の一部をこの設計に起因するとしている。
このアーキテクチャは、100倍の解像度差をまたいで訓練されている。狭角および広角のタイルは、それぞれのネイティブ解像度のまま、同一の混合訓練プロセスに入力される。
FlexiViTのパッチ埋め込みにより、研究者はバックボーンを最初から再訓練することなく、適応時に画像パッチサイズを変更できる。この柔軟性は、あるタスクが小さなクレーターの縁に依存し、別のタスクが地域的なパターンに依存する場合に重要となる。
このシステムは、Vision Transformer Baseのエンコーダー・デコーダーとしてゼロから訓練された。エンコーダーは12層、12個のアテンションヘッド、768の隠れ次元を使用する。
モデル文書によると、事前訓練にはNvidia H100 GPUを16基使用し、150,000ステップを実行した。報告された総計算量は約1,100 GPU時間で、グローバルバッチサイズは1,536だった。
こうした要件は、個々の研究グループにとっては大きな負担となる。オープンな重みにより外部チームは事前訓練のコストを繰り返さずに済むが、ファインチューニングと評価にはなお適切なハードウェアが必要だ。
ここで、オープンな公開は実務上の圧力を生む。特化チームは、関連する事前訓練済み特徴を持つ既存の月面モデルをテストする前に、新しいバックボーンを構築する理由を示さなければならなくなる。
この圧力は、ラベル付きデータが限られる研究者ほど強くなる。広角クレーターのベンチマークでは、利用可能な訓練データの半分を使った事前訓練済みバリアントが、全データセットで訓練された有力ベースラインと同等かそれ以上の成果を示した。
開発者は、プロジェクトのファインチューニングリポジトリから実行可能な構成にアクセスできる。リポジトリには、クレーター検出、火山地形セグメンテーション、氷の存在可能性に対応するモジュールが含まれる。
ただしREADMEによると、事前訓練コードは含まれていない。この欠落は、モデルを生データから再現しようとする人にとって、「オープンソース」が意味する範囲を狭める。
重み、適応コード、構成、ライセンス、ベンチマークデータセットは、かなりのアクセスを提供する。完全な事前訓練の再現可能性は、別個かつより厳しい基準である。
公開を評価するチームは、自らの技術記録でもこうした区別を維持する必要がある。検索可能なエンジニアリングナレッジベースは、モデルバージョン、データセットの前提、実験、レビュー判断を結び付けるのに役立つ。
したがって、このモデルは特化システムを自動的に置き換えるものではない。特化システムが今後、性能、簡潔さ、あるいはより説得力のある検証で上回るべき、信頼できるデフォルトとなる。
この仕組みはスケール、モダリティ、月面照明を結び付ける
このモデルの主な技術的貢献は単一の精度スコアではなく、差異を消すことなく互換性のない観測を横断して推論する方法にある。
IBMとNASAは、IBMと欧州宇宙機関が開発したマルチモーダル地球観測モデルTerraMindで使われた訓練手法を月向けに適応させた。月面版ではマスクトークンモデリングを使用する。
マスクトークン訓練では、入力の一部を隠し、システムが選択された対象を復元することを学ぶ。これにより、モデルは観測タイプの内部およびそれらをまたぐ関係を学習するよう促される。
可視画像は地形構造の説明に役立つ場合がある。熱情報は影や地表組成と関連する可能性がある。レーダーや水素の測定値は、通常の写真では得られない手掛かりを加える場合がある。
システムがこうした関係性を学習できるのは、学習用タイルが同じ地理的領域をカバーしているためだ。空間的な位置合わせにより、異なる機器に由来する計測値を比較するための基盤がモデルに与えられる。
月面固有の最初の追加要素は取得ジオメトリである。各タイルには、観測条件と照明条件がシーケンストークンとして含まれる。
この選択は、視覚的な混乱の大きな原因に直接対処する。同じ尾根でも、ある画像では明るい縁として見え、別の画像では影に溶け込んで見えなくなることがある。
月の極域では、太陽高度が低いため長い影が生じ、危険箇所を隠す可能性がある。恒久影領域は特に難しく、通常の反射光イメージングでは詳細がほとんど見えない。
2つ目の追加要素は、複数解像度を統合した事前学習である。スケールごとに別々のモデル群として扱うのではなく、1組の重みでメートル級と地域規模の観測の両方を処理する。
これはクレーター解析で重要になる。小さなクレーターの縁を捉えるには高解像度画像が必要な場合がある一方、周辺地形ははるかに広いスケールで地質学的な文脈を提供する。
将来の着陸候補地にとっても重要だ。研究者は局所的な危険要因を、地域的な照明、傾斜、温度、到達可能性に関する検討と結び付けなければならない。
モデルの11種類のモダリティがすべて地球規模のカバレッジを提供するわけではない。一部の静的レイヤーは機器の観測範囲内でしか利用できず、極域向け製品の中には比較的少数のタイルしかカバーしないものもある。
モダリティごとのトークン化により、研究者は利用できない入力を省略したり、ファインチューニング時に選択したモダリティを追加したりできる。モデルは、すべてのタスクであらゆる観測タイプを必要としない。
この柔軟性は、欠損データが当たり前の実際の科学アーカイブに不可欠である。同時に、モダリティの有無によって性能が変わり得るという評価上の課題も生じる。
公表されたベンチマークは、4つの下流タスクを対象としている。広視野クレーター検出、メートル級クレーター検出、不規則な海パッチのセグメンテーション、極域の氷有望度である。
不規則な海パッチは、月の暗い玄武岩質平原に見られる、珍しく比較的滑らかな火山性地形である。その年代と起源については議論が続いており、境界のマッピングはより広範な地質学的解析を支援し得る。
学習データの半分を用いた広視野クレーター検出では、最良の月面モデル構成が平均適合率0.2541を達成した。報告された最良のSwinV2-Bベースラインは0.2313だった。
平均適合率は、信頼度と重なりのしきい値をまたいで検出品質を要約する指標である。関連する対象を見つけつつ、誤検出を抑えるシステムを評価する。
完全な広視野学習セットでは、最良の月面構成は0.2581に達した。対応するSwinV2-Bベースラインは0.2420だった。
メートル級クレーター検出では、差はほぼ消えた。このモデルは0.1543を達成し、主要ベースラインの0.1552と比べられた。
この結果は、より大きな改善幅と同じくらい示唆的である。事前学習が、すべての解像度とタスクで決定的な優位性をもたらしたわけではないことを示している。
不規則な海パッチのセグメンテーションでは、報告された最良の月面結果はIntersection over Unionスコア0.5709に達した。列挙された最も強いベースラインは0.5687だった。
Intersection over Unionは、予測領域がラベル付けされた領域とどれほど近く重なるかを測定する。わずかな差は、劇的な能力差を示すものではない。
極域の氷有望度ベンチマークでは、最も明確な結果が得られた。月面モデルの二乗平均平方根誤差は0.0293で、SwinV2-Bは0.0377だった。
二乗平均平方根誤差が低いほど、その回帰タスクにおける予測はより近い。IBMはこの差を、最大22%の誤差削減と説明している。
これらの正確な結果は、プロジェクトのtechnical reportに掲載されている。研究者らは大半の構成を5つのランダムシードで評価しており、実行間で結果がどの程度変動するかを示す助けとなっている。
それでも、ベンチマーク性能と科学的有用性は同一ではない。モデルが指標を改善しても、独立した測定に耐える発見につながるとは限らない。
短期的に想定される役割は優先順位付けである。このシステムは、高解像度イメージング、シミュレーション、将来の機器による検証に値する地点、パターン、異常を浮き彫りにできる。
この機能には実際の価値がある。特にデータソースごとに異なるグリッドやスケールが使われている場合、科学者はペタバイト級の観測データに含まれるあらゆる組み合わせを手作業で調べることはできない。
ただし、モデルの出力は研究の手がかりにとどめるべきだ。特定の表面下に氷が存在する直接的な証拠でも、マッピングされた地形の年代が特定できる証明でもない。
オープンな重みは科学的不確実性をなくさない
モデルは探索範囲を絞り込めるが、リモートセンシングの相関を確認済みの月面資源や安全な着陸判断に変えることはできない。
IBMの発表では、より小さなクレーターの発見、火山活動史の研究、月面氷の存在可能性の推定という3つの主要用途が示されている。各ユースケースには異なる検証上の負担がある。
クレーター検出は、観測可能なイメージングタスクに最も近い。研究者は予測されたクレーター位置を、ラベル付き画像や独立したカタログと比較できる。
それでもラベルには不確実性がある。小さなクレーターは重なり、侵食され、厳しい照明条件では見えなくなることがあり、注釈の基準もデータセット間で異なり得る。
不規則な海パッチの境界は曖昧になり得るため、火山活動に関するタスクはより難しい。IBMも、評価に不完全なラベルを使用したことを認めている。
したがって、報告されたあるタスク固有の比較における3%の改善は慎重に扱うべきだ。不確実なラベルとの重なりが改善しても、それらの地形を巡る科学的議論は解決しない。
氷の有望度は、モデル出力と物理的確認との隔たりが最も大きい。モデルは、氷に適した可能性があると見なされる地域に似た条件や測定値を持つ場所を推定する。
月面物質を直接サンプリングするわけではない。ホールドアウトデータセットで予測誤差が低くても、ミッション地点における氷の量、深さ、到達可能性、純度を確認することはできない。
IBMのリリースは慎重な表現を用い、潜在的な氷の堆積物や有望度の高い地域と説明している。読者もこの限定を保つべきだ。
ベンチマーク比較も、モデルを設計しデータセットを構築したチームによるものである。報告された改善が他の地域、ラベル、タスク定義にも転用できるかどうかは、独立した再現検証ではまだ確立されていない。
データリークも、研究者が継続的に検証すべき課題である。地理的に近接する月面タイルは、別々のサンプルとして保存されていても地形パターンを共有し得る。
プロジェクトによれば、月面マッピングゾーンと極冠に基づく地理的分割を採用したという。これは隣接タイルをランダムに分割するより強力だが、外部チームは意図するタスクに応じて分割方法を検証すべきである。
カバレッジの偏りにも同様の注意が必要だ。高密度の観測は、科学的に関心の高い地域や特定のミッションの対象地域に集中する傾向がある。
こうした記録で学習したモデルは、観測がまばらな地形では異なる性能を示す可能性がある。モダリティの欠損も予測品質をさらに変化させ得る。
月面は極端な分布シフトも示す。新しい機器は、SomBenchに含まれるミッションとノイズ、較正、解像度、観測ジオメトリが異なる可能性がある。
ファインチューニングは役立つ可能性があるが、適応しても互換性が保証されるわけではない。運用計画でモデルに依存する前に、研究者は機器固有のテストを実施する必要がある。
リリースのオープンな性格は、このような精査の見通しを改善する。外部チームは重みをダウンロードし、構成を検査し、下流テストを再現し、地域ベンチマークを作成できる。
Apache 2.0は広範な改変と再配布も許可する。これにより、大学、宇宙機関、商業月面企業が特化版を構築しやすくなるはずだ。
ただし、事前学習コードが公開されていないため、完全な再構築には制約がある。研究者はリリース済みチェックポイントを評価できるが、公開リポジトリだけではそれを生み出したすべての工程を再現できない。
ハードウェアへのアクセスも実用上の境界となる。1,100 GPU時間の事前学習を回避できれば参入障壁は下がるが、マルチモーダルな月面データセットの処理は依然として計算負荷が高い。
ドキュメントとデータ準備は、モデルの利用可能性より大きな障害になる可能性がある。機器ごとに投影法、解像度、較正履歴、物理単位が異なる。
技術的にオープンなモデルが広く有用になるのは、研究者が前処理を確実に再現し、出力を確立された科学ツールに接続できる場合に限られる。
運用利用にはさらに高い基準が求められる。航行上の危険には直接的な安全上の影響があるため、着陸地点の選定を単一の機械学習スコアに依存させることはできない。
ミッション計画者は、画像、地形モデル、照明研究、通信制約、熱条件、工学的マージンを組み合わせる。月面モデルは、そのプロセスを置き換えることなく証拠を提供できる。
同じ抑制は資源計画にも当てはまる。水氷は飲料水の供給、酸素生産、推進剤製造を支え得るが、堆積物に運用上の価値があるかは到達可能性によって決まる。
リモートで有望に見える地点でも、深すぎる、分散しすぎている、あるいは到達が困難である可能性がある。物理的な測定が決定的であり続ける。
このトレードオフこそ、「AIが月をマッピングする」という表現よりもNASA-IBM Lunar Foundation Modelを正確に定義するものだ。このモデルは、検証可能な仮説の空間を広げる一方で、証明は機器と科学者の手に委ねる。
オープンな月面AIの重要性を示す3つのシグナル
次の試験は、元のチームによる新たな見出し向けベンチマークではなく、採用と独立した検証である。
第1のシグナルは、第三者によるベンチマーク再現である。独立した研究者は、公開された重みと文書化されたデータ分割を用いて、クレーター、火山、氷に関する結果を再現する必要がある。
複数のランダムシードでチームが類似の結果を得られれば、再現は信頼を強めるだろう。大幅な性能不足が見られれば、事前学習済み表現が信頼できる優位性をもたらすという主張は弱まる。
最も有益な研究は、元のチームが管理していない地域やラベルをテストするものになる。また、集計スコアだけを公表するのではなく、失敗事例も報告すべきだ。
そうした失敗事例は、モデルが影を地形と混同しているのか、モダリティの欠損に苦しむのか、観測がまばらな地域で性能が低下するのかを明らかにできる。
第2のシグナルは、新たなデータやミッションのワークフローへの適応である。再利用可能な基盤モデルがその名に値するのは、外部グループが元のベンチマークパッケージを超えて適用できる場合だ。
研究者は別の月探査ミッションの画像をテストしたり、新しい測定タイプを追加したり、異なる地質学的特徴に向けてバックボーンをファインチューニングしたりできる。転移が成功すれば、IBMとNASAの共有モデル戦略を支持することになる。
再学習の困難が繰り返されれば、結論は逆方向を示す。新しい機器ごとに広範な前処理やアーキテクチャ変更が必要なら、タスク特化型パイプラインが実用上の優位性を保ち得る。
公開ソフトウェアはすでに、TerraTorch構成とダウンロード可能なチェックポイントを通じて出発点を提供している。次の問いは、研究者が作成者の密接な支援なしにその基盤を拡張できるかどうかである。
第3のシグナルは、モデルが検証可能な成果を生む観測やミッション判断に情報を与えるかどうかだ。これは運用上の着陸誘導ではなく、優先順位付けされた撮像目標から始まる可能性がある。
有用なシステムは、手動レビューのために未記録のクレーターを示し、さらなる研究に向けて火山性地形の境界を特定し、追跡測定のために極域を順位付けできる。科学者はその後、これらの手がかりを独立したデータと比較できる。
進行時期は、研究サイクルと関連する観測データへのアクセス状況に左右される。より広い戦略的文脈は、継続的な月探査と火星探査の準備を支援することを目的としたNASAのArtemis programにある。
IBMとNASAはこれまでに、地球観測、気象、気候、科学文書、太陽物理学向けの科学基盤モデルを公開してきた。月面プロジェクトは、この取り組みを惑星リモートセンシングへと拡張するものだ。
この経緯を踏まえると、今回の公開は単発のデモンストレーションにとどまらない。IBMとNASAは、公開データと再利用可能なアーキテクチャを軸に、共有可能な科学AIシステム群を構築している。
このアプローチは、研究プロセスにおいてモデル開発をどこに位置づけるべきか、各機関に再考を促す。共通の基盤は重複した学習を減らせる一方、中央集権的な事前学習は、データ、アーキテクチャ、評価に関する前提も集中させる。
オープンアクセスは、そうした前提を可視化しやすくする。しかし、それらを取り除くわけではない。
開発者にとって当面の機会は、入力に物理的な意味を持つ特化型マルチモーダルモデルを試験できる点にある。可視光写真だけを使って汎用画像モデルを適応させる場合とは異なる。
科学者にとっては、すべての表現をゼロから再構築せずに、異なる機器による観測を結び付けられる可能性がある。その一方で、そうした接続が科学的に妥当であり続けるかを検証する責務がある。
ミッション計画担当者にとって、このモデルは限られた注意力と計算資源の優先順位を付ける新たな手段となる。高解像度観測、シミュレーション、現地測定、エンジニアリングレビューに取って代わるものではない。
この境界線が、今回の公開を評価する際の基準となるべきだ。NASA-IBM Lunar Foundation Modelの成功は、最も劇的な月に関する主張を生み出すことではなく、有用な研究基盤となるかどうかでまず判断される。
今後数か月は、誰がベンチマークを再現するか、誰が未知のデータへ適応させるか、そして予測が独立した観測を導くかに注目したい。これらの結果が、オープンな月面AIが共有インフラとなるのか、それとも印象的な研究成果の公開にとどまるのかを示すだろう。
