AI autonoma nello spazio: 1.080 satelliti, un rover guidato da Claude e un modello che sbaglia le tracce degli animali

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 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 pianificare due tragitti marziani del rover Perseverance. I pianificatori umani hanno esaminato e corretto il percorso prima dell'invio.

Un uso modesto, circoscritto. Ed è anche l'esempio più chiaro di un cambiamento su cui gli ingegneri discutono da anni: se ai veicoli spaziali si debba permettere di prendere decisioni da soli.

Due scommesse molto diverse sulla stessa idea

Il 25 settembre, al Global Digital Trade Expo, l'azienda cinese di spazio commerciale STAR.VISION Aerospace ha presentato la Space.IDC Computing Constellation, secondo il portale di settore china-in-space.com. I numeri sono grandi. Circa 1.080 veicoli spaziali nella costellazione principale, da schierare completamente entro il 2035, con circa 720 per compiti di inferenza e 360 per il calcolo generale. Sul tavolo ci sono tre progetti di veicolo: il G1 di verifica, da 40 a 60 PetaFLOPs con 11,5 kilowatt di energia solare, il G2 standard, da 160 a 310 PetaFLOPs con 48 kilowatt, e il G3 di punta, da 460 a 1.000 PetaFLOPs con 140 kilowatt.

STAR.VISION ha dichiarato di aver ottenuto accordi di credito strategici con l'Industrial and Commercial Bank of China e l'Agricultural Bank of China per un totale di 10.000.000.000 di Yuan, cioè 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, ma non è stato comunicato alcun mese o trimestre previsto. Orbite, collegamenti ottici intersatellitari, dimensioni dei radiatori e massa non sono stati divulgati, e le pratiche normative internazionali non sono ancora state depositate.

Il progetto è quindi reale, finanziato e ancora in gran parte non specificato. Questo vuoto conta quando la proposta è il calcolo in orbita.

Il vecchio argomento sulle macchine imprevedibili

Gli ingegneri gestiscono veicoli spaziali in autonomia da decenni, ma l'autonomia non è mai stata il modello dominante, osserva IEEE Spectrum, soprattutto perché il settore premia i sistemi il cui comportamento si può prevedere. Robert Ambrose, ex capo della Divisione Software, Robotica e Simulazione della NASA, ha esposto l'obiezione con chiarezza a Spectrum: "L'autonomia spesso non ha un esito deterministico, il che significa che il modo in cui sei arrivato in una certa situazione cambia il comportamento. Quindi se arrivi nella stessa situazione ma da percorsi diversi, l'esito può essere diverso. E gli ingegneri odiano questo."

"L'autonomia spesso non ha un esito deterministico... E gli ingegneri odiano questo."

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 avrebbe potuto fare, ma ogni percorso attraverso cui 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 tragitti marziani. A maggio, la NASA e IBM hanno messo 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 suo genere dimostrato nello spazio. A luglio, gli astronauti sulla ISS hanno testato un grande modello linguistico per domande di manutenzione. Nessuno di questi ha affidato il controllo al modello. Tutti hanno spostato il confine.

Cosa ottengono davvero questi modelli

Se cercate un controllo di realtà su quanto cammino debba ancora fare il software, il dossier ne offre 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 messo davanti a otto modelli 2.000 foto di tracce di animali selvatici, 400 ciascuna di escrementi, impronte, piume, uova e ossa. A ciascun modello sono state date una foto e il paese di origine, con la richiesta di indicare quale specie l'avesse lasciata.

Il modello migliore, Claude Opus 5.5, ha indovinato la specie 743 volte su 2.000, ovvero il 37,15%. Muse Spark 1.3 seguiva al 33,35% e GPT-6 Astra al 31,70%. Claude Sonnet 5.5 è arrivato 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 centrato 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 descritti come provvisori perché un modello di testo 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. Ripesare il tutto perché ogni specie conti allo stesso modo fa scendere il punteggio di Opus sulle uova dal 51,25% a circa il 37%. E non esiste una linea di base umana: nessun esperto di fauna selvatica ha provato lo stesso set. "Non so ancora quale dovrebbe essere un buon punteggio", dice il post.

Questa è la versione onesta di un benchmark di 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 in seguito. Può però ancora essere utile per restringere le opzioni che poi una persona verifica.

Dove stanno i soldi e il rumore

Il calcolo basato nello spazio è già affollato. China-in-space.com osserva che la Three-Body Computing Constellation di ADA Space e Zhejiang Lab è in testa al settore con una dozzina di satelliti operativi in orbita, che Orbital Chenguang ha un forte sostegno finanziario e che Chaozhisuan Beijing Technology ha partner ben collegati, con entrambe che gestiscono satelliti dimostrativi. Aziende statali lavorano a grandi veicoli spaziali per il calcolo con poca pubblicità. La stessa STAR.VISION usa l'AI su satelliti di telerilevamento almeno dalla metà del 2023 e afferma che due satelliti costruiti per l'Uzbekistan e l'Indonesia hanno verificato parti della costellazione futura. Il portale riferisce anche che il governo centrale ha designato le tecnologie necessarie come area prioritaria per il periodo del 15° 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 sugli spettatori di una diretta streaming di SpaceX Starship. Circa sette minuti e 55 secondi dopo l'inizio del volo di prova, alcuni hanno notato una striscia stretta e leggermente curva di luce azzurra con una punta bianca più luminosa, e sui social media c'è chi l'ha definita un possibile UFO. Lo stesso giornale osserva che il razzo ha raggiunto l'orbita. Il dossier non identifica l'oggetto.

E c'è un piccolo, utile promemoria: l'autonomia in orbita non è l'unica cosa che viene automatizzata. ABA Games ha pubblicato Wreckfall su itch.io, uno sparatutto a schermo fisso in stile 1981 in cui un veicolo che colpite non svanisce ma diventa un relitto in fiamme che cade, schiacciando ogni veicolo che incontra e finendo infine sulla posizione del giocatore. La pagina riporta una dichiarazione sull'AI: AI Assisted, Code. Giochi come questo non sono scienza. Sono però un quadro onesto dello stato attuale dell'arte: una macchina che produce qualcosa di utile, con un essere umano che decide ancora cosa conta come vittoria.

Tornando al lato serio, il terreno contestato è stretto e pratico. STAR.VISION ha finanziamenti, partner tra cui Baidu AI Cloud, MinoSpace, l'Hangzhou Institute for Advanced Study presso la 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, da parte sua, riferisce che l'AI generativa nello spazio è ancora lontana dall'essere abbastanza affidabile per affidarle il controllo di un veicolo spaziale. Gli ingegneri cominciano però 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 questa è la storia. L'hardware viene finanziato e lanciato. Il software viene testato in piccoli passi reversibili. Nessuno ha ancora pubblicato il numero che risolverebbe la questione: quanto spesso il modello ha ragione, e quanto costa quando sbaglia.