IBM y la Administración Nacional de Aeronáutica y el Espacio (NASA) han lanzado un modelo de inteligencia artificial de código abierto para analizar datos de décadas de observación lunar. El modelo, denominado Nasa-IBM Lunar Foundation Model, está diseñado para apoyar los planes de una presencia humana sostenida en la Luna. Entrenado con datos de nueve instrumentos de cuatro misiones de la NASA, incluyendo la Lunar Reconnaissance Orbiter, este modelo se une a la familia Prithvi de modelos fundacionales abiertos de IBM y la NASA. Su función principal es identificar posibles depósitos de hielo en las regiones permanentemente sombreadas de la Luna, mapear cráteres para seleccionar sitios de aterrizaje seguros y estudiar formaciones volcánicas. Las pruebas de referencia demuestran que el modelo identifica características clave en la superficie lunar con una precisión hasta un 23% mayor que los métodos convencionales. El hielo lunar es crucial, ya que indica la presencia de agua y oxígeno, recursos esenciales para una futura base lunar y para la producción de combustible para misiones a Marte, en el marco del programa Artemis de la NASA que planea el regreso de astronautas a la Luna en 2028.