---
title: "NASA-IBM Ay Temel Modeli: Açık Kaynaklı Uzamsal Yapay Zekâ"
url: https://blog.edumints.com/nasa-ibm-ay-temel-modeli-acik-kaynakli-uzamsal-yapay-zek-2o3l29qf
category: "Veri"
date: 2026-09-19T07:11:07.776Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hacker News"
source_url: https://newsroom.usra.edu/usra-contributes-planetary-science-expertise-to-nasa-ibm-lunar-foundation-model/
---

# NASA-IBM Ay Temel Modeli: Açık Kaynaklı Uzamsal Yapay Zekâ

## Ay Araştırmalarında Yeni Dönem: Çok Modlu Temel Model
NASA ve IBM Research liderliğinde geliştirilen ve Universities Space Research Association (USRA) bünyesindeki gezegen bilimi uzmanlarının katkılarıyla şekillenen **NASA-IBM Lunar Foundation Model**, araştırmacıların Ay görevlerinden elde edilen devasa ve karmaşık veri kümelerini analiz edebilmesi için açık kaynak olarak yayımlandı.

Model; görüntüleme, topografya, aydınlatma geometrisi, termofiziksel özellikler, mineraloji, radar ve yerçekimi gibi 11 farklı modaliteyi ve iki uzamsal ölçeği kapsayan, yaklaşık iki milyon eşleştirilmiş veri demeti içeren **SomBench** veri kümesi kullanılarak sıfırdan önceden eğitildi (pretrained from scratch).

Projeye USRA Bilim ve Teknoloji Enstitüsü'nden Dr. Rachel Slank katkı sundu. NASA Marshall Uzay Uçuş Merkezi'nde görev yapan Slank, gezegen bilimi konu uzmanı olarak bilim ve modelleme ekipleri arasında kritik bir köprü vazifesi gördü. Gezegen verilerinin fiziksel dinamikleri ile bilimsel önceliklerini model geliştirme ve değerlendirme süreçlerine entegre etti.

## Kıyaslama Görevleri ve Model Performansı
Geliştirilen temel model, Ay biliminin karşılaştığı zorlukları temsil eden üç kritik aşağı akış (downstream) kıyaslama görevinde değerlendirildi:

- **Bölgesel ve metre ölçeğinde krater tespiti:** Çarpma izlerinin farklı çözünürlük ölçeklerinde yüksek doğrulukla belirlenmesi.
- **Düzensiz deniz yamalarının (IMP) segmentasyonu:** Olağandışı volkanik yer şekillerinin piksel düzeyinde sınırlarının tespit edilmesi.
- **Ay kutup buzu olasılık regresyonu:** Çevresel verilerin entegrasyonuyla kutup uçucularının kararlılığı ve su buzu potansiyelinin haritalanması.

Model, her üç kıyaslamada da genel amaçlı ImageNet ön eğitimi almış modelleri ve Ay verisiyle ön eğitim almamış özdeş mimarileri geride bıraktı veya eşdeğer başarım gösterdi. Özellikle krater tespitinde yüksek etiket verimliliği (label efficiency) sergileyerek, belirli uygulamalarda ihtiyaç duyulan görev odaklı etiketli veri miktarını belirgin biçimde azalttı.

## Yazılım ve Yapay Zekâ Geliştiricileri İçin Çıkarımlar
Bu modelin mimarisi ve eğitim süreci, yapay zekâ mühendisleri ve veri bilimciler için şu pratik çıkarımları sunmaktadır:

- **Çok Modlu Füzyonun Gücü:** Model, farklı gözlem türlerini ayrı ayrı ele almak yerine aralarındaki karmaşık ilişkileri öğrenir. Yazılım mimarisinde heterojen sensör verilerini tek bir ortak temsil uzayında birleştirmek başarıyı doğrudan artırır.
- **Alana Özgü Ön Eğitimin Üstünlüğü:** Genel modeller yerine alana özgü (SomBench gibi) verilerle yapılan ön eğitim, etiketleme maliyetini dramatik biçimde düşürür ve veri kıtlığı yaşanan alanlarda transfer öğrenimini optimize eder.
- **Çok Ölçekli Çıkarım Kabiliyeti:** Hem geniş açılı bölgesel gözlemleri (WAC) hem de metre ölçeğindeki yerel ayrıntıları işleyebilen çok ölçekli boru hatları (pipelines), gelişmiş uzamsal yapay zekâ sistemleri inşa etmede kritik bir yaklaşımdır.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://newsroom.usra.edu/usra-contributes-planetary-science-expertise-to-nasa-ibm-lunar-foundation-model/)

---

**Kaynak:** [Hacker News](https://newsroom.usra.edu/usra-contributes-planetary-science-expertise-to-nasa-ibm-lunar-foundation-model/)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/nasa-ibm-ay-temel-modeli-acik-kaynakli-uzamsal-yapay-zek-2o3l29qf