La inteligencia artificial empieza a desempeñar un papel cada vez más concreto en la próxima etapa de la exploración lunar. NASA e IBM han presentado un nuevo modelo fundacional de IA diseñado específicamente para analizar la superficie de la Luna y ayudar a los científicos a identificar características como depósitos de hielo, cráteres y formaciones volcánicas.

El denominado NASA-IBM Lunar Foundation Model ha sido entrenado con más de 30 capas de datos obtenidos por nueve instrumentos pertenecientes a cuatro misiones de la NASA, entre ellas Lunar Reconnaissance Orbiter. El objetivo no consiste únicamente en automatizar el análisis de imágenes: se pretende proporcionar a los investigadores una herramienta capaz de encontrar patrones dentro de enormes volúmenes de observaciones lunares y acelerar tareas que resultan fundamentales para futuras misiones.

Una IA entrenada específicamente para comprender la Luna

Los modelos fundacionales se entrenan con grandes cantidades de información para aprender estructuras y patrones que posteriormente pueden reutilizarse en diferentes tareas. NASA e IBM llevan años aplicando este planteamiento a la ciencia mediante la familia Prithvi, inicialmente orientada a la observación terrestre y posteriormente extendida a otros ámbitos.

El nuevo modelo lunar traslada esa filosofía a un entorno especialmente complejo. La superficie de la Luna contiene miles de millones de años de historia geológica y enormes regiones en las que las condiciones de iluminación, relieve y temperatura dificultan el análisis. Una herramienta capaz de combinar información procedente de distintos instrumentos puede facilitar la identificación de estructuras y recursos que de otro modo exigirían procesos especializados para cada conjunto de datos.

Hasta un 23 % más de precisión en determinadas pruebas

Según los resultados difundidos con la presentación del proyecto, el modelo ha conseguido mejoras de precisión de hasta un 23 % frente a métodos anteriores en determinadas pruebas de identificación de características lunares. Entre sus posibles aplicaciones se encuentran la cartografía de cráteres, la detección de formaciones volcánicas y el estudio de zonas con presencia potencial de hielo.

Esta última capacidad tiene especial importancia. NASA ha confirmado desde hace años la existencia de agua en la Luna, incluida la presencia de hielo antiguo en cráteres permanentemente en sombra. Conocer mejor dónde se encuentran estos depósitos y cuáles son sus características puede convertirse en una pieza esencial para planificar una presencia humana prolongada.

El hielo lunar es mucho más que agua para los astronautas

La posibilidad de utilizar recursos disponibles sobre la propia Luna constituye uno de los grandes objetivos tecnológicos de la exploración futura. Transportar desde la Tierra cada kilogramo de agua, oxígeno o material necesario para mantener una base resulta extremadamente costoso. La utilización de recursos in situ podría reducir esa dependencia.

La NASA está impulsando precisamente tecnologías destinadas a establecer infraestructura en la región del polo sur lunar. Entre las líneas de trabajo figuran la generación y almacenamiento de energía, la extracción de oxígeno del regolito y la fabricación de materiales directamente sobre la superficie. Una cartografía cada vez más precisa del terreno y sus recursos complementa esa estrategia.

De observar la Tierra a preparar la exploración espacial

El proyecto también refleja la evolución de la colaboración entre NASA e IBM. Prithvi nació como un modelo geoespacial abierto capaz de analizar grandes cantidades de información de observación terrestre. Sus aplicaciones han incluido inundaciones, incendios, cambios en el uso del suelo y otros fenómenos. En 2026, una versión de este modelo llegó incluso a ser demostrada en plataformas en órbita.

La intención de NASA es extender progresivamente este concepto a diferentes disciplinas científicas. Además de los modelos dedicados a la Tierra y al clima, la colaboración ha trabajado en modelos relacionados con el Sol y contempla también otros ámbitos de la ciencia planetaria.

Una herramienta para decidir dónde explorar

La utilidad de la inteligencia artificial en este contexto resulta especialmente tangible. No se trata de generar imágenes de la Luna ni de sustituir la interpretación científica, sino de procesar enormes cantidades de datos para señalar patrones, clasificar características y ayudar a los especialistas a concentrar su atención en las regiones más interesantes.

En futuras misiones, disponer de mapas más precisos puede contribuir a evaluar zonas de aterrizaje, diseñar recorridos sobre la superficie y localizar recursos. La IA se convierte así en una herramienta de apoyo para una exploración lunar que ya no busca únicamente visitar la Luna, sino comprender cómo operar en ella durante periodos cada vez más prolongados.