Pour mieux comprendre notre plus proche voisine spatiale, la Lune, mais aussi pour éventuellement préparer le retour de l’humanité sur ce satellite naturel, il faut identifier et cartographier l’astre lunaire. Un travail de moine, qui devrait désormais pouvoir être effectué beaucoup plus rapidement, grâce à un nouveau modèle d’intelligence artificielle.
Le modèle en question, appelé Fondation lunaire NASA-IBM, aidera ainsi les chercheurs « à analyser des décennies de données d’observation de la Lune et à repérer des caractéristiques géologiques essentielles » qui serviront aux futures missions du programme Artemis de l’Agence spatiale américaine, a-t-on mentionné par voie de communiqué, jeudi, lors de l’annonce officielle.
« En concevant ce modèle, nous avons travaillé étroitement avec des experts de la NASA – des spécialistes de la Lune« , explique tout de go Campbell Watson, l’un des principaux responsables des équipes de recherche chez IBM, dans le cadre d’une entrevue accordée à Pieuvre.
« Nous voulions mieux saisir les tâches qu’ils exécutent afin d’améliorer notre compréhension de notre lune; certains détectent des cratères et tentent de les caractériser. Il y a tellement de ces cratères, à la surface, qu’il s’agit d’une tâche particulièrement laborieuse. Historiquement, ce travail était accompli à la main, ou encore avec des outils informatiques spécialisés », a-t-il ajouté.
« Ce que nous voulions faire, c’est concevoir un modèle informatique de base qui leur permettrait d’accomplir cette tâche de détection et d’identification des cratères. Mais aussi, par exemple, effectuer de la prospection pour chercher de la glace d’eau aux pôles. Ou encore définir des caractéristiques d’une possible activité volcanique récente. »
Vous aimez nous lire et nous écouter? Pour continuer de vous offrir nos contenus, nous avons besoin de vous.
Pour seulement 5$ par mois, contribuez au succès de Pieuvre et obtenez l’accès à La Voûte, une série d’épisodes exclusifs du podcast Rembobinage. Abonnez-vous dès aujourd’hui!
Toujours selon M. Watson, ce modèle informatique a donc « appris le langage visuel de la Lune » et « compris des informations à propos du paysage », le tout à partir de « millions d’images » qui ont été récoltées depuis une soixantaine d’années. « Ensuite, les chercheurs peuvent adapter ce modèle de base à leurs tâches spécifiques. Le modèle peut donc servir à toutes sortes d’objectifs. »
Et à quel point ce nouvel outil d’IA est-il plus efficace que les modèles informatiques déjà employés par la NASA? Au dire de M. Watson, cela dépend de la taille de l’échantillon de données au sein duquel le nouveau modèle doit effectuer un tri. Plus la quantité d’informations est réduite, plus le nouveau modèle permet de réduire les erreurs possibles.
Autre avantage du modèle Fondation lunaire: cet outil a aussi besoin de moins de temps et de puissance de calcul que les autres pour parvenir au résultat souhaité. Cela est rendu possible grâce à une méthode appelée Low rank adaptation, « qui est une méthode d’identification des paramètres qui doivent être ajustés en priorités pour accomplir une tâche », précise M. Watson.
« Et donc, plutôt que d’ajuster tous les paramètres – des centaines de millions, dans le cas qui nous intéresse –, il suffit d’en modifier quelques millions, et nous obtiendrons ce que nous cherchons. »
Des mystères qui perdurent
Si une bonne partie des tâches de ce modèle consistera à identifier des cratères et les caractériser, une tâche qui, en soit, est déjà passablement compliquée, la nouvelle IA mise au point par IBM sera aussi appelée à épauler les scientifiques qui tentent de répondre à plusieurs questions toujours sans réponse.
L’une d’entre elles touche à l’activité volcanique de la Lune. « C’est une question qui est asbolument toujours d’actualité », mentionne M. Watson.
« Il y a ces éléments irréguliers, à la surface de la Lune, qui portent à croire, en fonction de leur usure, qu’ils sont apparus bien après la dernière activité volcanique… Alors, comment sont-ils apparus? Et donc, cartographier ces éléments et tenter de recueillir davantage d’informations à leur sujet, y compris leur composition géologique, nous permettra d’en apprendre plus sur l’évolution de la Lune. »
Préparer le retour des humains
Parmi les autres mandats confiés au nouveau modèle d’IA, on trouve aussi l’évaluation plus rapide, toujours à l’aide de photos et autres données récoltées en orbite, de la stabilité du sol lunaire et des différents cratères.
Car si la NASA, par exemple, souhaite installer une éventuelle base permanente sur la Lune, elle devra savoir où construire les différents modules, sans risquer un effondrement qui pourrait menacer la survie des astronautes.
C’est aussi dans une perspective de colonisation de la Lune que le modèle d’IBM contribuera à l’identification d’éventuels gisements de glace situés aux pôles de notre satellite naturel.
Cette eau gelée, en plus de servir de source pour abreuver les astronautes et d’éventuelles cultures, pourrait aussi entrer dans la composition du carburant alimentant les fusées qui seraient renvoyées vers la Terre. Ou qui, dans un avenir plus lointain encore, décolleraient vers Mars.
Campbell Watson est toutefois clair: le modèle d’IA développé par IBM « ne fais pas officiellement partie du programme Artemis, de la NASA ».
« Oui, nous lançons ce modèle en collaboration avec l’Agence spatiale américaine, nous travaillons avec des spécialistes de la Lune et des experts en IA qui travaillent au sein de la direction scientifique de la NASA, mais tout cela est séparé du programme de missions Artemis. La raison est que notre outil est encore dans sa phase de test. Nous espérons qu’il sera intégré dans la planification des futures missions, ou que des outils similaires le seront, mais pour cela, il faut passer toute une série de vérifications et d’évaluations », a-t-il ajouté.
Et malgré les tensions géopolitiques actuelles, ce modèle Fondation lunaire est lancé en mode « code source ouvert », ce qui signifie que tout le monde peut s’en servir pour améliorer notre connaissance de la Lune et faire progresser la science, en général.
Ainsi, en attendant l’éventuel retour des humains sur notre satellite naturel, plus de 50 ans après notre dernière visite, l’intelligence artificielle est à pied-d’oeuvre pour parfaire nos connaissances et paver la voie vers une exploration plus approfondie de notre système solaire. De quoi rapprocher, un peu plus, cette ultime frontière.
Pour trouver les autres épisodes, cliquez ici.
Retrouvez-nous Transistor. Nous sommes aussi sur Spotify et Apple Podcasts.
Suivez-nous sur Facebook et sur Instagram
