NASAとIBMの月面AI：2026年の宇宙ミッションに向けた月のクレーターマッピング

月の裏側をスキャンする、NASAとIBMが共同開発した月面特化型AI。

画像提供：NASA

私たちが「AI」と聞いて思い浮かべるのは、通常、テキストで会話をしたりプロンプトから画像を生成したりするChatGPTのような存在です。しかし、宇宙に目を向けると、少し異なるタイプのモデルがその足跡を残そうとしています。その主役こそが、NASAとIBMが共同開発した「月面表面解析AI」です。もっともらしい文章を量産するのではなく、このシステムは鷹のような鋭い観察者として機能し、衛星が捉えた過酷な月面地形を徹底的に調査・分析します。

1969年の月面マップではもはや不十分な理由

IBM

人類は1969年にすでに月に降り立っているため、なぜ今になって一から地図を綿密に描き直す必要があるのかと疑問に思うかもしれません。しかし、今後予定されているアルテミス有人探査ミッションは、過去のアポロ計画とは全く異なる目的を持っています。かつての優先事項が単なる安全な着陸と確実な帰還であったのに対し、現代の目標では、資源採掘や宇宙飛行士の長期滞これを実現するために、飲料水や燃料に変換可能な氷が埋蔵されている可能性のある南極の永久影領域や、ローバーが横転しない平坦な地形について、センチメートル単位の正確なマッピングが必要となります。

これを実現するために、飲料水や燃料に変換可能な氷が埋蔵されている可能性のある南極の永久影領域や、ローバーが転倒しない平坦な地形のセンチメートル単位でのマッピングが必要となります。しかし、地球とは異なり、月には光を散乱させる大気がないため、太陽の角度がわずかに変わるだけで影が極端に長くなったり短くなったりします。従来のマップデータや基本的な光学衛星写真では、実際の地形の輪郭を正確に把握するには明らかに力不足です。

数週間かかっていた手作業が、数分で完了

これまで、月面上のクレーターや危険なボルダー（転石）地帯の特定は、主に天文学者や研究者による骨の折れる作業でした。そのプロセスとは、月周回機が撮影した数百万枚もの白黒衛星写真をコンピュータのモニター上に開き、手動で輪郭を確認し、サイズを測定し、座標を一つずつプロットしていくというものでした。

NASAの科学可視化スタジオ（Scientific Visualization Studio）が公開した、データに基づいて水氷が含まれる可能性の高い領域を示す南極の月面写真。

IBMが主導するAI基盤モデルは、この面倒な初期の地形分類プロセスを劇的に効率化します。新しい衛星画像がシステムに投入されると、着陸船にとって危険となる新しく形成されたインパクトクレーター（衝突クレーター）やボルダーの群れを素早くピンポイントで特定します。人間が数週間かけて手作業で行っていた分析を、わずか数分にまで短縮できる可能性があります。人間が推敲するために機械がしっかりとした下訳を提供するのと同様に、AIは宇宙地形分析のための信頼性の高いベースラインのスケッチを提供します。

スウィン・トランスフォーマー：ピクセルではなく文脈を読み解く

このシステムの根幹にあるのは、「Swin Transformer V2（SwinV2）」と呼ばれる視覚データ処理アーキテクチャです。複雑な数学的原理に立ち入る必要はありませんが、従来の技術との違いを見ていくと非常に興味深いものがあります。

従来の画像認識AIが写真のピクセルを1つずつ検査して局所的な特徴を調べていたのに対し、この技術は大きな画像を複数の小さなパッチに分割し、それらの間の関係性を包括的に読み解きます。この原則は、テキストAIが個々の単語にこだわりすぎるのではなく、周囲の文脈を把握することで隠された意味を理解する仕組みに似ています。

NASA、SpaceXのファルコン9ロケットの墜落により月に形成されたクレーター。

このアプローチのおかげで、衛星画像の解像度が変動したり、深い影によってクレーターの形状が曖昧になったりした場合でも、周囲の地形のフローを読み取って全体の輪郭を捉えることに長けています。光の反射率や土壌の質感が地球とはまったく異なる、月の荒々しい表面を分析するための理想的なツールであることが証明されています。

誰もが自宅から月探査を計画できる時代へ

Swin Transformer V2 · Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science. huggingface.co

その技術的な完成度と同じくらい特筆すべきなのは、この巨大なモデルが閉鎖的な研究室の枠を超え、オープンソースとして公開されたという事実です。世界的なAIプラットフォームであるHugging Face上でモデルの全体像が一般に公開されているため、NASA内部の研究者だけでなく、誰もが自由にデータを利用できるようになりました。

これは宇宙産業エコシステムにとって甚大な意味を持っています。莫大な資本や独自のスーパーコンピュータを持たない中小の宇宙ベンチャー、アマチュア天文学者、さらには大学のサークルに至るまで、このAIを活用して新しい月面ローバーの走行ルートを計画したり、高精度な3D地形シミュレーターを構築したりできることを意味します。かつて超大国の政府機関によって厳重に独占されていた宇宙開発データへの高い参入障壁が、民間セクターに向けて大きく引き下げられたように感じられます。

NASAとIBMのこのコラボレーションが意味するもの

これは、AIが単に文書を要約したり画面上のアートを生成したりする部屋の中のアシスタントという役割を超越し、人類の物理的なフロンティアを拡大する実用的なインフラストラクチャへと進化したことを示しています。私たちが手にする新しいスマートフォンの機能ではないかもしれませんが、このようなデータやモデルが着実に蓄積され、人類の将来の月面居住地の強固な礎として役立っていくのです。近い将来、アルテミスの宇宙船が月面の特定の座標に無事着陸したというニュースを聞くとき、その着陸船のナビゲーションシステムには、今日発表されたAIによって密かに描かれた地図が搭載されていることでしょう。