Modelo reúne dados de diferentes missões espaciais e usa inteligência artificial para identificar crateras, formações geológicas e possíveis depósitos de gelo lunar.
A inteligência artificial acaba de ganhar uma nova aplicação na exploração espacial. A NASA e a IBM apresentaram nesta quinta-feira, 10 de setembro de 2026, um modelo de IA desenvolvido para analisar grandes volumes de informações sobre a superfície da Lua e ajudar cientistas a identificar características que seriam mais difíceis ou demoradas de localizar utilizando métodos tradicionais.
Chamado de NASA-IBM Lunar Foundation Model, o sistema foi treinado com mais de 30 camadas de dados provenientes de instrumentos de quatro missões da NASA. Em vez de trabalhar exclusivamente com imagens convencionais, a tecnologia consegue combinar diferentes tipos de informações científicas para construir uma representação mais completa das características da superfície lunar.
Entre as aplicações demonstradas estão o mapeamento de crateras, a identificação de formações vulcânicas e a localização de regiões que podem apresentar depósitos de gelo. A presença de água congelada é considerada particularmente relevante para futuras missões porque, além do interesse científico, esse recurso poderia desempenhar papel importante em operações humanas de longa duração na Lua.
Nos testes apresentados pelos responsáveis pelo projeto, o novo modelo registrou desempenho até 23% superior ao de métodos amplamente utilizados em determinadas tarefas de análise. A proposta é disponibilizar a tecnologia de maneira aberta, permitindo que pesquisadores adaptem o modelo para diferentes estudos relacionados à ciência lunar.
Como funciona a inteligência artificial criada para estudar a Lua?
O princípio do Lunar Foundation Model é semelhante ao dos chamados modelos fundacionais que impulsionaram a atual expansão da inteligência artificial. Em vez de construir um sistema completamente diferente para cada tarefa, pesquisadores treinam um modelo amplo utilizando grandes conjuntos de dados e posteriormente o adaptam para aplicações específicas.
Nesse caso, porém, a matéria-prima não é formada principalmente por textos ou fotografias encontradas na internet. O sistema trabalha com informações científicas da Lua obtidas por instrumentos espaciais. Mais de 30 camadas de dados foram utilizadas no desenvolvimento, reunindo diferentes maneiras de observar e medir a superfície lunar.
Essa abordagem permite combinar informações que isoladamente revelariam apenas parte das características de determinada região. Dados sobre relevo, temperatura, composição e outras propriedades podem ser analisados conjuntamente pela inteligência artificial para reconhecer padrões associados a estruturas geológicas.
O resultado é uma ferramenta capaz de auxiliar cientistas na interpretação de enormes conjuntos de informações acumulados durante anos de exploração lunar. A IA não substitui a análise científica, mas funciona como um instrumento para localizar padrões e regiões que merecem investigação mais aprofundada.
IA pode ajudar a localizar possíveis depósitos de gelo
Uma das aplicações mais importantes do modelo está na busca por gelo na Lua. Regiões próximas aos polos lunares possuem crateras e áreas que permanecem durante longos períodos sem receber luz solar direta, criando temperaturas extremamente baixas capazes de preservar materiais voláteis.
Encontrar e compreender a distribuição desses depósitos é importante tanto para a ciência quanto para o futuro da exploração espacial. O gelo pode preservar informações sobre a história da Lua e sobre materiais que chegaram à superfície ao longo de bilhões de anos.
Existe também uma dimensão operacional. Em futuras missões, água obtida localmente poderia, em princípio, ser utilizada para diferentes finalidades, reduzindo a necessidade de transportar determinados recursos diretamente da Terra. Seus componentes também têm interesse potencial para sistemas de suporte à vida e produção de propelentes, embora transformar depósitos lunares em recursos utilizáveis envolva desafios técnicos consideráveis.
O novo modelo não significa que a IA simplesmente encontre reservas prontas para exploração. A tecnologia ajuda a identificar possíveis regiões de interesse, que posteriormente precisam ser avaliadas utilizando outras observações, instrumentos científicos e, quando possível, medições realizadas diretamente na superfície.
Crateras podem ser identificadas com maior eficiência
Outro uso demonstrado é o mapeamento de crateras. A superfície lunar registra bilhões de anos de impactos, formando estruturas que variam de pequenas depressões a enormes bacias. Catalogar essas formações ajuda pesquisadores a reconstruir parte da história geológica da Lua.
A contagem e classificação de crateras também são utilizadas para estimar a idade relativa de diferentes terrenos. Em linhas gerais, superfícies que permaneceram expostas por períodos maiores tendem a acumular mais marcas de impactos, embora a interpretação científica envolva diversos outros fatores.
Automatizar parte desse trabalho pode acelerar significativamente a análise. Algoritmos conseguem examinar grandes áreas e apontar estruturas candidatas para posterior verificação, reduzindo o tempo necessário para determinadas etapas de catalogação.
Nos testes divulgados com o modelo, a NASA e a IBM afirmam ter obtido ganhos de desempenho em comparação com técnicas amplamente utilizadas. Dependendo da tarefa avaliada, a melhoria chegou a 23%, resultado que demonstra o potencial dos modelos fundacionais também para aplicações científicas especializadas.
Formações vulcânicas revelam história geológica lunar
A inteligência artificial também pode ser utilizada para estudar estruturas associadas à antiga atividade vulcânica da Lua. Embora o satélite natural seja atualmente muito diferente de um mundo geologicamente ativo como a Terra, sua superfície conserva registros de períodos em que grandes volumes de material vulcânico foram expelidos.
As extensas regiões escuras visíveis da Terra, conhecidas como mares lunares, estão relacionadas principalmente a antigos fluxos de lava que preencheram grandes bacias. Outras estruturas menores podem oferecer informações adicionais sobre como o interior da Lua evoluiu ao longo do tempo.
Identificar automaticamente determinadas formações em enormes bases de dados pode ajudar pesquisadores a comparar regiões e selecionar locais de interesse para estudos mais detalhados. O benefício não está apenas em encontrar estruturas, mas em permitir análises em escala muito maior.
Ao combinar diferentes tipos de dados, o modelo pode auxiliar na identificação de relações que não seriam tão evidentes utilizando apenas uma imagem óptica. Essa característica demonstra por que modelos de IA treinados especificamente com informações científicas estão ganhando espaço em áreas como astronomia, meteorologia e observação planetária.
Dados de quatro missões foram reunidos para treinar o modelo
Um dos aspectos relevantes do projeto é a integração de informações produzidas por diferentes instrumentos e missões. Segundo a apresentação do modelo, mais de 30 camadas de dados provenientes de instrumentos ligados a quatro missões da NASA participaram do processo de desenvolvimento.
Essa combinação permite construir uma representação multidimensional da superfície. Uma determinada região pode ser observada por características topográficas, térmicas, espectrais e outras medições, dependendo dos instrumentos disponíveis.
Para pesquisadores humanos, cruzar grandes volumes dessas informações pode exigir processos demorados e ferramentas específicas. Um modelo fundacional treinado diretamente nesse conjunto consegue aprender relações estatísticas entre as diferentes camadas e depois utilizar esse conhecimento em novas tarefas.
A abordagem também mostra uma mudança na utilização dos arquivos científicos produzidos pelas missões espaciais. Dados coletados anos atrás podem adquirir novas aplicações quando analisados com métodos computacionais que ainda não estavam disponíveis ou suficientemente desenvolvidos na época de sua coleta.
Modelo aberto pode ampliar pesquisas sobre a Lua
NASA e IBM optaram por disponibilizar o modelo para utilização pela comunidade científica. A estratégia segue uma tendência de desenvolvimento de ferramentas abertas voltadas à ciência, permitindo que universidades, centros de pesquisa e desenvolvedores experimentem novas aplicações.
Um pesquisador poderá utilizar o modelo como ponto de partida em vez de necessariamente desenvolver um sistema de inteligência artificial desde o início. Isso pode reduzir custos computacionais e acelerar experimentos, especialmente para grupos que não possuem infraestrutura equivalente à de grandes empresas ou instituições espaciais.
A abertura também pode levar a aplicações que não estavam previstas originalmente pelos desenvolvedores. Pesquisadores especializados em diferentes aspectos da geologia lunar podem adaptar o modelo às necessidades de seus próprios estudos e avaliar seu desempenho em novos conjuntos de dados.
Ao mesmo tempo, resultados produzidos por inteligência artificial precisam continuar submetidos à validação científica. Uma classificação feita pelo algoritmo não se transforma automaticamente em descoberta. As conclusões dependem da comparação com dados independentes, conhecimento especializado e métodos científicos adequados.
Inteligência artificial ganha espaço na exploração espacial
A parceria entre NASA e IBM mostra como a inteligência artificial está deixando de ser utilizada apenas para tarefas administrativas ou geração de conteúdo e ganhando aplicações diretamente relacionadas à pesquisa científica. A quantidade de dados produzida por telescópios, satélites, sondas e instrumentos espaciais tornou a análise automatizada cada vez mais relevante.
Missões modernas podem produzir volumes de informação muito maiores do que equipes humanas conseguiriam examinar individualmente. Algoritmos permitem selecionar eventos, classificar estruturas e encontrar padrões que posteriormente são analisados pelos cientistas.
Na exploração planetária, esse tipo de capacidade pode ganhar importância à medida que novas missões produzirem mapas cada vez mais detalhados da Lua, Marte e outros corpos do Sistema Solar. Sistemas de IA também poderão ajudar a priorizar regiões de interesse científico e organizar dados coletados por diferentes instrumentos.
O Lunar Foundation Model representa justamente essa convergência entre inteligência artificial, ciência de dados e exploração espacial. Em vez de utilizar IA apenas para produzir conteúdo, o sistema foi desenvolvido para trabalhar sobre medições científicas e transformar grandes arquivos de dados em ferramentas de investigação.
Tecnologia pode contribuir para futuras missões lunares
A Lua voltou a ocupar posição central nos programas espaciais de diferentes países. Estados Unidos, China, Índia, Japão e outras nações possuem projetos científicos ou exploratórios relacionados ao satélite, enquanto empresas privadas também desenvolvem tecnologias para missões lunares.
Nesse cenário, mapas mais detalhados podem ajudar pesquisadores a compreender melhor as características de possíveis áreas de pouso e os recursos existentes em diferentes regiões. A inteligência artificial pode contribuir principalmente para organizar e interpretar o enorme volume de informações necessário antes de uma missão.
O interesse pelo gelo torna essa capacidade especialmente relevante. Regiões polares estão entre os locais mais estudados atualmente, mas apresentam condições ambientais complexas e áreas permanentemente sombreadas que dificultam determinadas formas de observação.
A nova ferramenta da NASA e da IBM não resolve sozinha esses desafios, mas acrescenta uma camada de análise ao arsenal científico disponível. Ao reunir dados de várias fontes em um único modelo fundacional, pesquisadores passam a ter uma ferramenta adicional para explorar digitalmente a superfície antes de enviar novos instrumentos — ou astronautas — para investigá-la diretamente.
IA abre uma nova maneira de explorar os dados da Lua
O lançamento do NASA-IBM Lunar Foundation Model demonstra como a corrida espacial contemporânea também acontece dentro de computadores e centros de dados. Antes de uma sonda pousar ou um astronauta caminhar sobre uma determinada região, milhares de imagens e medições precisam ser analisadas para compreender o ambiente.
A inteligência artificial pode acelerar parte desse trabalho ao reconhecer padrões em conjuntos de dados que seriam difíceis de examinar manualmente em grande escala. Crateras, estruturas vulcânicas e possíveis sinais relacionados à presença de gelo são exemplos de características que podem ser investigadas com auxílio desse tipo de ferramenta.
O ganho de até 23% registrado em determinadas avaliações é promissor, mas o impacto científico real dependerá do desempenho do modelo em novos estudos e de sua adoção pela comunidade de pesquisadores. Como acontece com outras aplicações científicas de IA, validação independente continuará sendo fundamental.
A principal novidade está na combinação de três elementos: dados acumulados por missões espaciais, modelos avançados de inteligência artificial e acesso aberto para pesquisadores. Se essa estratégia produzir novos resultados, a IA poderá se tornar uma ferramenta cada vez mais presente não apenas na exploração da Lua, mas também na maneira como a humanidade investiga outros mundos.
Fontes: Reuters — NASA e IBM lançam modelo de IA para mapear gelo e crateras na Lua · NASA · IBM Research
