Metin
NASA and IBM have released an open-source foundation model designed to help scientists examine the Moon’s surface. Instead of being trained for only one narrowly defined task, the system learned broad patterns from roughly two million image tiles, mainly collected by the Lunar Reconnaissance Orbiter. Researchers can then fine-tune it with relatively small labelled datasets for specific purposes. Tests show that the model can map craters, identify unusual volcanic formations, detect changes between observations and estimate where ice may remain stable near the lunar poles. It matched or surpassed several strong comparison models, with its clearest advantage appearing in predictions about polar ice. The release also includes training datasets and benchmarks, allowing researchers to reproduce results and improve the technology. NASA nevertheless notes a practical limitation: changing illumination between spacecraft passes can make small craters harder to compare. The model is therefore a flexible scientific aid, not an automatic substitute for expert interpretation.
Beş ifade
- foundation model: temel model, geniş veriyle önceden eğitilmiş model
- fine-tune: belirli bir görev için yeniden ayarlamak
- labelled dataset: etiketlenmiş veri kümesi
- polar ice: kutup buzu
- expert interpretation: uzman yorumu
YDS mini sorusu
According to the passage, why can the model be adapted efficiently to different lunar research tasks?
- Its crater training lets researchers reuse existing lunar labels.
- Its lighting correction lets researchers compare lunar features without adapting the model.
- Its design lets researchers adapt it through full retraining for each lunar task.
- Its broad pre-training allows researchers to fine-tune it with limited labelled data.
- Its ice predictions let researchers adapt it without using task-specific training examples.
Cevabı ve açıklamasını göster
Doğru cevap: D
Metne göre model tek bir dar görev için eğitilmek yerine, çoğu Ay Keşif Yörünge Aracı’ndan alınan yaklaşık iki milyon görüntü karesinden geniş örüntüler öğrendi. Bu sayede araştırmacılar onu belirli amaçlar için görece küçük etiketli veri kümeleriyle ince ayar yaparak uyarlayabiliyor. Model yalnızca kraterler üzerine eğitilmedi ve metinde mevcut etiketlerin yeniden kullanılmasından söz edilmez. Metin bir aydınlatma düzeltmesinden söz etmez; değişen aydınlatmayı küçük kraterleri karşılaştırmayı zorlaştıran bir sınırlılık olarak anar. Model her görev için baştan eğitilmez. Modelin en belirgin üstünlüğü buz tahminlerindedir, ancak uyarlama için yine göreve özgü etiketli veri kullanılır. Bu nedenle doğru cevap D’dir.
Öbür parşömenler
- Fare embriyoları plasentanın beklenmedik ikinci bir kaynağını ortaya koyuyor17 Kasım 2026
Gelişim biyolojisi · C1
- Uzun saatler boyunca oturmak sağlık araştırmacılarını neden kaygılandırıyor17 Kasım 2026
Halk sağlığı · B2+
- Perseverance, Jezero Krateri’nin dışında parlak ve silika bakımından zengin kayaçlar buldu17 Kasım 2026
Gezegen bilimi · C1
- Florida’da bulunan küçük bir mantar hem halüsinojen hem de öldürücü bir toksin üretiyor16 Kasım 2026
Mikoloji ve evrim · C1
- Batırılan bir okyanus gemisi nasıl canlı bir resife dönüşebilir16 Kasım 2026
Deniz ekolojisi · B2+
- Sentetik senaryolar, yapay zekâ tabanlı iklim emülatörlerini daha uyarlanabilir kılıyor16 Kasım 2026
İklim bilimi ve yapay zekâ · C1