Sztuczna inteligencja w kosmosie: NASA i IBM rewolucjonizują satelity dzięki modelowi Prithvi Geospatial!

Podczas gdy większość z nas używa sieci neuronowych do generowania obrazów lub pisania nijakich listów, w kosmosie dzieją się znacznie poważniejsze rzeczy. Badacze z Uniwersytetu w Adelaide oraz australijskiego centrum SmartSat CRC po raz pierwszy w historii wdrożyli na orbicie geosprzestrzenną AI-modelę podstawowego poziomu. Mowa o systemie Prithvi Geospatial, który NASA stworzyła wspólnie z gigantem technologicznym IBM do analizy obrazów satelitarnych Ziemi.

Uproszczoną wersję modelu załadowano od razu na dwa obiekty: australijski satelita Kanyini oraz moduł IMAGIN-e firmy Thales Alenia Space, znajdujący się na Międzynarodowej Stacji Kosmicznej. W eksperymencie naukowcy sprawdzali, jak skutecznie sztuczna inteligencja potrafi wykrywać chmury i oznaki powodzi bezpośrednio w kosmosie. Główna zaleta polega na tym, że system nie musi przesyłać gigabajtów surowych danych na Ziemię do przetworzenia — wyciąga wnioski „na miejscu”.

Podstawa dla kosmicznego oka

Prithvi stała się pierwszą geosprzestrzenną podstawową modelą takiej klasy, którą przetestowano w warunkach rzeczywistej orbity. W przeciwieństwie do wyspecjalizowanych algorytmów, ta sieć neuronowa była uczona na archiwach obserwacji satelitarnych przez 13 lat. Wykorzystano do tego zintegrowany zbiór danych satelitów Landsat NASA i Sentinel-2 Europejskiej Agencji Kosmicznej. Dzięki takiemu zapleczu system potrafi samodzielnie wykrywać skomplikowane wzorce i szybko się doskonalić pod konkretne zadania — od monitorowania klęsk żywiołowych po ocenę wydajności upraw.

Szef projektu Andrew Du zauważył, że kluczową rolę odegrał otwarty kod źródłowy modelu. Ponieważ NASA i IBM udostępnili Prithvi w wolnym dostępie na platformie Hugging Face, australijscy inżynierowie nie musieli spędzać lat i wydawać milionów na stworzenie własnej architektury od podstaw. Po prostu wykorzystali gotową bazę i dostosowali ją do pracy na ograniczonych zasobach sprzętu satelitarnego.

Dlaczego nie można po prostu „przekazać zdjęć”

Nowoczesne urządzenia obserwacyjne generują olbrzymie ilości danych. Problem polega na tym, że przepustowość kanałów komunikacyjnych między orbitą a powierzchnią jest mocno ograniczona. Przesyłanie każdego piksela – zbyt drogie i wolne. Zwykle, aby rozwiązać ten problem, na satelitach używa się kompaktowych, sztywno zdefiniowanych algorytmów, które potrafią robić tylko jedno zadanie.

Podstawowe modele zmieniają zasady gry. Zamiast za każdym razem ładować nowe oprogramowanie do nowego zadania, badaczom wystarczy wysłać na satelitę mały dodatkowy moduł (waży kilka megabajtów), który dostosowuje już istniejącą architekturę AI. To sprawia, że orbity stają się znacznie bardziej elastyczne i autonomiczne. Główny dyrektor danych NASA Kevin Murphy podkreślił, że właśnie do takich scenariuszy agencja tworzy swoje rozwinięcia jako otwarte.

Przyszłość: rozmowy z urządzeniami

Perspektywy wykorzystania podobnych systemów sięgają daleko poza tworzenie map zalewowych. Badacze przypuszczają, że w przyszłości operatorzy będą mogli dosłownie „rozmawiać” z urządzeniami kosmicznymi, zadając pytania o stan systemów lub wyniki obserwacji w języku naturalnym.

NASA przygotowuje już całą linię specjalizowanych modeli. W 2025 roku została wydana modela Surya do badania Słońca, a w przyszłości będą podobne systemy dla astrofizyki, planetologii i nauk biologicznych. Wygląda na to, że era, kiedy satelita była po prostu latającą kamerą, definitywnie dobiega końca.

Przy okazji, podczas gdy NASA uczy satelity samodzielnego myślenia, sektor komercyjny również nie stoi w miejscu. Na przykład, Starlink już nie jest „egzotyką dla wsi”, ponieważ prędkość satelitarnego internetu pewnie dogania już sieci kablowe.