IBM y NASA abren un modelo de IA para leer la Luna: los recursos lunares empiezan por los datos

Por Zendoric · 13 de septiembre de 2026.

IBM y la NASA han presentado el NASA-IBM Lunar Foundation Model, un sistema de inteligencia artificial de código abierto entrenado con décadas de observaciones lunares. Es, según ambas instituciones, uno de los primeros "modelos de fundación" —un modelo entrenado con grandes volúmenes de datos brutos que luego se adapta a tareas concretas, en lugar de construirse desde cero para cada una— pensado específicamente para la ciencia lunar.

El entrenamiento combina más de 30 capas de datos alineadas espacialmente, procedentes de nueve instrumentos y cuatro misiones: el Orbitador de Reconocimiento Lunar y la misión GRAIL de la NASA, más datos de la misión japonesa SELENE/Kaguya, de la agencia espacial JAXA. Según el documento técnico publicado por IBM y NASA, el modelo reduce hasta un 22% el error en la identificación de zonas con alto potencial de hielo respecto al modelo de referencia SwinV2-B, mejora en casi un 19% el mapeo de cráteres a escala de 100 metros usando solo la mitad de los datos de entrenamiento, y afina un 3% la detección de los Parches Irregulares de Mare, formaciones que documentan la actividad volcánica pasada de la Luna.

El objetivo no es abstracto. Las regiones permanentemente sombreadas de los polos lunares, algunas de las zonas más difíciles de observar del satélite, podrían contener hielo bajo la superficie: agua y oxígeno para sostener una base humana, y potencialmente combustible de cohetes para saltos posteriores hacia Marte. El mapeo preciso de cráteres, por su parte, es lo que permite a la NASA elegir zonas de aterrizaje seguras y planificar dónde construir infraestructura a largo plazo. Kevin Murphy, director interino de datos e IA de la NASA, lo resumió así: "recopilar datos es solo una parte del trabajo; también debemos facilitar a los científicos la exploración y el uso de los datos". Juan Bernabe-Moreno, de IBM Research, habla de una "plataforma abierta sobre la que la comunidad científica mundial puede seguir trabajando".

Junto al modelo, ambas instituciones han liberado también el primer conjunto de datos lunares unificado y de acceso público de este tipo: decenas de miles de imágenes y mapas combinados en un formato listo para entrenar modelos de aprendizaje automático, algo que hasta ahora no existía pese a las décadas de observación acumulada.

Como contexto del sector, IBM y NASA no llegan a esto de la nada: ambas ya colaboran desde hace tiempo en modelos de fundación geoespaciales para observar la Tierra —clima, uso del suelo, deforestación— publicados en abierto y ampliamente reutilizados por investigadores externos. Lo que cambia aquí es el objeto de estudio: en vez de monitorizar nuestro propio planeta, el mismo enfoque se aplica a preparar la exploración de otro cuerpo celeste. Es una muestra de un patrón que se repite en toda la industria: la frontera de la IA ya no es solo el chatbot o el asistente de código, sino modelos de base especializados en dominios científicos muy concretos —clima, materiales, biología, y ahora geología lunar— que comprimen petabytes de observación en herramientas manejables.

Nuestra lectura es que este tipo de anuncios encaja mejor que casi ningún otro con la tesis de fondo de Zendoric: la IA como motor de abundancia, no solo de automatización de tareas de oficina. Aquí no hay sustitución de empleos ni disrupción de un mercado; hay un instrumento que acelera el descubrimiento científico y, en última instancia, la explotación responsable de recursos —agua, oxígeno, energía— fuera de la Tierra. Que el modelo y el dataset se publiquen en abierto, además, encaja con otra tesis que venimos sosteniendo: la ciencia y la tecnología abiertas son la vía más rápida para que estos avances beneficien a toda la comunidad investigadora, no solo a quien los financia.

Conviene, aun así, matizar el entusiasmo con los pies en el suelo. Un modelo que localiza mejor el hielo en un mapa no es lo mismo que una base lunar operativa: entre el dato de laboratorio y la infraestructura real hay ingeniería, financiación y años de misiones robóticas y tripuladas de por medio, con el programa Artemis como principal vehículo de la NASA para llegar hasta ahí. Y no hay que perder de vista que la Luna, y en particular sus recursos de agua helada, se ha convertido también en objeto de una competencia geopolítica creciente entre Estados Unidos, China e India: la ciencia abierta convive, incómodamente, con el interés estratégico por controlar esos mismos yacimientos. Publicar el modelo en abierto es una buena noticia para la comunidad científica global; no elimina esa tensión de fondo, pero sí demuestra que, incluso en plena carrera espacial, todavía hay espacio para que el conocimiento se comparta antes de que se dispute.