![\"NASA](\"https:\/\/gearwhat.com\/wp-content\/uploads\/2026\/09\/body-0-13.png\")
<\/p>\nVarrendo o lado escuro da lua, a IA desenvolvida especificamente para fins lunares pela NASA e pela IBM.<\/p>\n
<\/p>\n
Imagem cortesia da NASA<\/p>\n
Quando pensamos em IA hoje em dia, geralmente imaginamos o ChatGPT conversando em texto ou gerando imagens a partir de comandos. No entanto, olhando para o espa\u00e7o sideral, um tipo ligeiramente diferente de modelo est\u00e1 se preparando para deixar sua marca. A estrela do show \u00e9 uma “IA de an\u00e1lise da superf\u00edcie lunar” desenvolvida em conjunto pela NASA e pela IBM. Em vez de produzir frases com boa sonoridade, este sistema atua como um observador de olhos agu\u00e7ados, examinado e analisando minuciosamente o terreno lunar severo capturado por sat\u00e9lites.<\/p>\n
![\"NASA](\"https:\/\/gearwhat.com\/wp-content\/uploads\/2026\/09\/body-1-13.png\")
<\/p>\n
IBM<\/p>\n
Como os humanos j\u00e1 caminharam na lua em 1969, voc\u00ea pode se perguntar por que precisamos redesenhar mapas meticulosamente do zero. No entanto, a pr\u00f3xima miss\u00e3o tripulada Artemis tem objetivos inteiramente diferentes em compara\u00e7\u00e3o com o programa Apollo do passado. Enquanto a prioridade antiga era simplesmente um pouso seguro e um retorno garantido, o objetivo moderno exige o estabelecimento de acampamentos base na superf\u00edcie lunar para extra\u00e7\u00e3o de recursos e estadias de longa dura\u00e7\u00e3o de astronautas.<\/p>\n
Para alcan\u00e7ar isso, precisamos de um mapeamento com precis\u00e3o centim\u00e9trica de regi\u00f5es permanentemente sombreadas no polo sul \u2014 onde gelo que pode ser convertido em \u00e1gua pot\u00e1vel ou combust\u00edvel pode estar enterrado \u2014, bem como de terrenos planos onde os rovers n\u00e3o v\u00e3o capotar. No entanto, diferentemente da Terra, a lua carece de uma atmosfera para dispersar a luz, o que significa que at\u00e9 mesmo uma pequena mudan\u00e7a no \u00e2ngulo do sol faz com que as sombras fiquem extremamente longas ou curtas. Dados de mapas legados e fotos b\u00e1sicas de sat\u00e9lite \u00f3ptico claramente ficam aqu\u00e9m de avaliar com precis\u00e3o os contornos reais do terreno.<\/p>\n
At\u00e9 agora, identificar crateras ou campos de pedras perigosos na superf\u00edcie lunar tem sido em grande parte a tarefa \u00e1rdua de astr\u00f4nomos e pesquisadores. O processo envolvia carregar milh\u00f5es de fotos de sat\u00e9lite em preto e branco tiradas por orbitadores lunares em monitores de computador, verificar manualmente os contornos, medir tamanhos e tra\u00e7ar coordenadas, uma a uma.<\/p>\n
![\"NASA](\"https:\/\/gearwhat.com\/wp-content\/uploads\/2026\/09\/body-2-12.png\")
<\/p>\n
Est\u00fadio de Visualiza\u00e7\u00e3o Cient\u00edfica da NASA, mostrando uma fotografia lunar do polo sul indicando regi\u00f5es com probabilidade de conterem gelo de \u00e1gua com base em dados.<\/p>\n
O modelo de funda\u00e7\u00e3o de IA liderado pela IBM agiliza drasticamente esse processo tedioso de classifica\u00e7\u00e3o prim\u00e1ria do terreno. Quando novas imagens de sat\u00e9lite s\u00e3o inseridas no sistema, ele identifica rapidamente crateras de impacto rec\u00e9m-formadas e aglomerados de pedras que representam riscos para espa\u00e7onaves em pouso. A an\u00e1lise que exigiria semanas de trabalho manual dos humanos provavelmente pode ser comprimida para meros minutos. Assim como uma m\u00e1quina fornece uma tradu\u00e7\u00e3o rascunho s\u00f3lida para um ser humano polir, a IA entrega um esbo\u00e7o de linha de base confi\u00e1vel para a an\u00e1lise de terreno c\u00f3smico.<\/p>\n
A espinha dorsal deste sistema \u00e9 uma arquitetura de processamento de dados visuais chamada “Swin Transformer V2 (SwinV2)”. N\u00e3o h\u00e1 necessidade de mergulhar em princ\u00edpios matem\u00e1ticos complexos, mas observar como ela difere da tecnologia mais antiga \u00e9 bastante fascinante.<\/p>\n
Enquanto as IAs de reconhecimento de imagem mais antigas inspecionavam fotos pixel por pixel em busca de caracter\u00edsticas locais, esta tecnologia divide uma imagem grande em v\u00e1rios patches menores e l\u00ea de forma abrangente as rela\u00e7\u00f5es entre eles. Esse princ\u00edpio \u00e9 semelhante a uma IA de texto que compreende significados ocultos ao capturar o contexto ao redor, em vez de ficar obcecada por palavras individuais.<\/p>\n
![\"NASA](\"https:\/\/gearwhat.com\/wp-content\/uploads\/2026\/09\/body-3-10.png\")
<\/p>\n
NASA, Uma cratera formada na lua devido \u00e0 queda de um foguete SpaceX Falcon 9.<\/p>\n
Gra\u00e7as a essa abordagem, mesmo quando as resolu\u00e7\u00f5es das imagens de sat\u00e9lite flutuam ou as formas das crateras ficam obscurecidas por sombras profundas, o sistema se destaca na leitura dos fluxos do terreno ao redor para capturar os contornos gerais. Prova ser uma ferramenta ideal para analisar a superf\u00edcie rugosa da lua, onde a reflect\u00e2ncia da luz e as texturas do solo diferem inteiramente da Terra.<\/p>\n
![\"NASA](\"https:\/\/gearwhat.com\/wp-content\/uploads\/2026\/09\/body-4-9.png\")
<\/p>\n