AI autonoma nello spazio: 1.080 satelliti, un rover su Claude e un modello che sbaglia sulle tracce animali
Il Jet Propulsion Laboratory della NASA ha usato i modelli Claude di Anthropic per pianificare due percorsi marziani del rover Perseverance, ha riferito IEEE Spectrum il 29 settembre. Il 25 settembre l'azienda cinese STAR.VISION ha presentato una costellazione di calcolo composta da 1.080 veicoli spaziali.

La novità più recente nell'autonomia spaziale non è un razzo. È una decisione di pianificazione presa su Marte da un modello linguistico, controllata da una persona e poi caricata a bordo. IEEE Spectrum ha riferito il 29 settembre che il Jet Propulsion Laboratory della NASA ha usato i modelli Claude di Anthropic per aiutare a pianificare due percorsi marziani del rover Perseverance. I pianificatori umani hanno esaminato e corretto la rotta prima di inviarla.
Si tratta di un uso misurato e circoscritto. È anche l'esempio più chiaro di un cambiamento su cui gli ingegneri discutono da anni: se ai veicoli spaziali vada concesso di decidere da soli.
Due scommesse molto diverse sulla stessa idea
Il 25 settembre, alla Global Digital Trade Expo, l'azienda commerciale cinese STAR.VISION Aerospace ha presentato la Space.IDC Computing Constellation, secondo quanto riporta il sito di settore china-in-space.com. I numeri sono grandi. Circa 1.080 veicoli spaziali nella costellazione principale, con dispiegamento completo entro il 2035, di cui circa 720 per attività di inferenza e 360 per il calcolo generico. Sul tavolo ci sono tre progetti di veicolo. Il modello di verifica G1 offre da 40 a 60 PetaFLOP grazie a 11,5 kilowatt di energia solare. Il modello standard G2 offre da 160 a 310 PetaFLOP con 48 kilowatt. Il modello di punta G3 offre da 460 a 1000 PetaFLOP con 140 kilowatt.
STAR.VISION ha dichiarato di aver ottenuto accordi di credito strategici con la Industrial and Commercial Bank of China e la Agricultural Bank of China per un totale di 10.000.000.000 di Yuan, pari a 1.490.000.000 di dollari statunitensi al 28 settembre, con almeno 1.000.000.000 di Yuan disponibili per la «Fase Uno». I lanci sono prenotati a bordo dei razzi Gravity-1 di Orienspace e Ceres-2 di Galactic Energy per i veicoli G1, anche se non è stato comunicato alcun mese o trimestre previsto. Orbite, collegamenti ottici tra satelliti, dimensioni dei radiatori e massa non sono stati resi noti, e le pratiche normative internazionali non sono ancora state depositate.
Il progetto è quindi reale, finanziato e ancora in gran parte indefinito. Questo vuoto conta quando la proposta è il calcolo in orbita.
La vecchia discussione sulle macchine imprevedibili
Gli ingegneri fanno funzionare veicoli spaziali in autonomia da decenni, ma l'autonomia non è mai stata il modello dominante, osserva IEEE Spectrum, soprattutto perché il settore privilegia sistemi il cui comportamento si può prevedere. Robert Ambrose, ex responsabile della Divisione Software, Robotica e Simulazione della NASA, ha esposto l'obiezione a Spectrum senza giri di parole: «L'autonomia spesso non ha un esito deterministico, il che significa che il modo in cui sei arrivato a una certa situazione cambia il comportamento. Se arrivi alla stessa situazione ma da percorsi diversi, l'esito può essere diverso. E questo gli ingegneri lo odiano».
«L'autonomia spesso non ha un esito deterministico... E questo gli ingegneri lo odiano».
Ambrose ha lavorato sull'autonomia per la navicella Orion e su Robonaut 2, l'umanoide che è andato nello spazio nel 2011. Il suo è un argomento di collaudo, non filosofico. Con Orion, gli ingegneri hanno dovuto considerare non solo ciò che la navicella poteva fare, ma ogni percorso attraverso il quale avrebbe potuto arrivare a una decisione. Spectrum riferisce che gli ingegneri hanno trovato modi per gestire quella complessità, ed è per questo che gli esperimenti attuali esistono.
Gli esperimenti si accumulano. A dicembre, il JPL ha usato Claude per i due percorsi marziani. A maggio, la NASA e IBM hanno installato un modello di AI compresso sulla Stazione Spaziale Internazionale e su un satellite per identificare inondazioni e nuvole dall'orbita, descritto come il primo modello del genere dimostrato nello spazio. A luglio, gli astronauti sulla ISS hanno testato un modello linguistico di grandi dimensioni per domande di manutenzione. Nessuno di questi casi ha affidato il controllo al modello. Tutti hanno spostato il confine.
Che punteggi ottengono davvero questi modelli
Chi vuole un controllo di realtà su quanta strada debba ancora fare il software ne ha uno, anche se non ha nulla a che vedere con i veicoli spaziali. Un blog chiamato Labqoat ha pubblicato il 29 settembre un benchmark che ha sottoposto 2.000 fotografie di tracce di animali selvatici, 400 ciascuna di escrementi, impronte, piume, uova e ossa, a otto modelli. Ogni modello ha ricevuto una foto e il paese di provenienza, e gli è stato chiesto quale specie l'avesse lasciata.
Il modello migliore, Claude Opus 5.5, ha indovinato la specie 743 volte su 2.000, cioè il 37,15%. Muse Spark 1.3 segue al 33,35% e GPT-6 Astra al 31,70%. Claude Sonnet 5.5 è quarto al 25,15% per un costo stimato di 7,62 dollari, restituendo una risposta per ogni foto senza errori di richiesta. Su tutti e otto i modelli, 842 foto, più del 40% del set, non hanno ricevuto alcuna identificazione corretta della specie. Persino Opus ha azzeccato la famiglia giusta solo sul 51,75% delle foto.
L'autore è prudente sui limiti del risultato. I punteggi di Sonnet, GLM e DeepSeek sono definiti provvisori perché un modello testuale ha interpretato alcune risposte durante la valutazione, e Sonnet ha 15 risposte in attesa di revisione. Le foto di uova hanno ottenuto i risultati migliori, ma l'autore avverte che alcune specie hanno più foto di altre. Riponderando perché ogni specie conti allo stesso modo, il punteggio di Opus sulle uova scende dal 51,25% a circa il 37%. E manca una linea di riferimento umana: nessun esperto di fauna selvatica ha provato lo stesso set. «Non so ancora quale dovrebbe essere un buon punteggio», si legge nel post.
Questa è la versione onesta di un benchmark sull'AI, e vale la pena tenerla accanto alle dichiarazioni orbitali. Un modello che sbaglia sei tracce animali su dieci pur avendo il paese come indizio non è evidentemente pronto a decidere cosa farà un satellite. Può comunque essere utile a restringere le opzioni che poi una persona verifica.
Dove stanno i soldi e dove il rumore
Il calcolo nello spazio è già affollato. China-in-space.com nota che la Three-Body Computing Constellation di ADA Space e Zhejiang Lab è in vantaggio con una dozzina di satelliti operativi in orbita. Segnala che Orbital Chenguang ha un forte sostegno finanziario e che Chaozhisuan Beijing Technology ha partner ben collegati, con entrambe le aziende che gestiscono satelliti dimostrativi. Le aziende statali lavorano a grandi veicoli spaziali per il calcolo con poca pubblicità. La stessa STAR.VISION usa l'AI su satelliti per il telerilevamento almeno da metà 2023 e afferma che due satelliti costruiti per Uzbekistan e Indonesia hanno verificato parti della futura costellazione. Il sito riporta anche che il governo centrale ha indicato le tecnologie necessarie come area prioritaria per il periodo del Quindicesimo Piano Quinquennale, dal 2026 al 2030.
Nel frattempo la conversazione pubblica non è sempre tecnica. Il Daily Mail ha pubblicato il 28 settembre un articolo su spettatori di una diretta streaming della Starship di SpaceX che hanno notato una striscia sottile e leggermente curva di luce azzurra con una punta bianca più luminosa circa sette minuti e 55 secondi dopo l'inizio del volo di prova, con utenti dei social media che la definivano un possibile UFO. Lo stesso sito nota che il razzo ha raggiunto l'orbita. Nessuno dei due resoconti identifica l'oggetto.
E c'è un piccolo, utile promemoria del fatto che l'autonomia in orbita non è l'unica cosa che viene automatizzata. ABA Games ha pubblicato su itch.io Wreckfall, uno sparatutto in stile 1981 a schermo fisso. In questo gioco, un veicolo che colpisci non svanisce ma diventa un relitto in fiamme che cade, schiacciando ogni veicolo che incontra e alla fine atterrando sulla posizione del giocatore. La pagina riporta un'informativa sull'AI: AI Assisted, Code. Giochi così non sono scienza. Sono però un quadro ragionevole dello stato attuale della tecnica: una macchina che produce qualcosa di utile, con un essere umano che decide ancora cosa conta come vittoria.
Sul fronte serio, il terreno conteso è ristretto e pratico. STAR.VISION ha finanziamenti, partner tra cui Baidu AI Cloud, MinoSpace, l'Hangzhou Institute for Advanced Study dell'UCAS e l'Hangzhou Research Institute della Xidian University, e lettere di sostegno da diverse zone dello Zhejiang oltre a Xichang e Chongzhou. Non ha orbite, collegamenti o piani di raffreddamento pubblicati, e le sue pratiche normative sono in sospeso. IEEE Spectrum, dal canto suo, riferisce che l'AI generativa nello spazio è ancora ben lontana dall'essere abbastanza affidabile per affidarle il controllo di un veicolo spaziale. Gli ingegneri cominciano a chiedersi se possano permettersi di non provarci, man mano che le missioni diventano più complesse, lontane e numerose.
Le due posizioni non sono contraddittorie, e la storia è questa. L'hardware viene finanziato e lanciato. Il software viene testato in passi piccoli e reversibili. Nessuno ha ancora pubblicato il numero che risolverebbe la questione: quanto spesso il modello ha ragione, e quanto costa quando sbaglia.
Fonti
6- 01Autonomous AI in Space Exploration Raises New StakesEN
- 02Star.vision Unveils 'Space.IDC' Computing Constellation with PartnersEN
- 03I Made AI Look at Traces. For ScienceEN
- 04Mysterious 'UFO' spotted on SpaceX livestreamEN
- 05Wreckfall: Space Invaders but they crash to earthEN
- 06Space-bunny-alpha a reasoning model from an anonymous providerEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.