Durante 17 años, la Lunar Reconnaissance Orbiter ha fotografiado y medido la Luna hasta construir uno de los archivos más detallados que existen sobre su superficie. La NASA asegura que la misión ha generado un volumen de datos mayor que el de todas sus demás misiones planetarias combinadas, con una cobertura que permite observar buena parte del terreno lunar a gran resolución. El problema ya no es solo obtener información, sino procesarla con suficiente rapidez para extraer de ella patrones útiles. Y esa tarea gana peso mientras la agencia prepara el regreso de astronautas a la superficie lunar.
Para sacar más partido a ese material, la NASA e IBM, junto a varias instituciones académicas, han desarrollado el NASA-IBM Lunar Foundation Model, un modelo de inteligencia artificial especializado en ciencia lunar y entrenado principalmente con observaciones de la Lunar Reconnaissance Orbiter. La herramienta se ha publicado como código abierto y puede adaptarse a tareas concretas, desde cartografiar cráteres hasta estudiar regiones polares o determinadas estructuras volcánicas. La idea no es sustituir el análisis científico, sino acelerar una parte del trabajo que, con modelos tradicionales, exige desarrollar y entrenar sistemas especializados para cada tarea.