Autonomiczna AI w kosmosie: 1 080 satelitów, łazik na Claude i model, który nie radzi sobie z odchodami
Laboratorium Napędu Odrzutowego NASA (JPL) użyło modeli Claude firmy Anthropic do zaplanowania dwóch przejazdów łazika Perseverance po Marsie, podał IEEE Spectrum 29 września. 25 września chińska firma STAR.VISION pokazała konstelację obliczeniową złożoną z 1 080 statków kosmicznych.

Najnowszym osiągnięciem w autonomiczności kosmicznej nie jest rakieta. To decyzja o rozkładzie jazdy, podjęta na Marsie przez model językowy, sprawdzona przez człowieka i wysłana na górę. IEEE Spectrum podało 29 września, że Laboratorium Napędu Odrzutowego NASA użyło modeli Claude firmy Anthropic do pomocy przy planowaniu dwóch przejazdów łazika Perseverance po Marsie. Ludzie planujący misję przejrzeli trasę i ją poprawili, zanim trafiła do łazika.
To zastosowanie skromne i ograniczone. Jest też najwyraźniejszym przykładem zmiany, o którą inżynierowie spierają się od lat: czy statkom kosmicznym wolno podejmować własne decyzje.
Dwa bardzo różne zakłady o ten sam pomysł
25 września, na Global Digital Trade Expo, chińska firma komercyjna STAR.VISION Aerospace pokazała konstelację obliczeniową Space.IDC, podał branżowy serwis china-in-space.com. Liczby są duże. Około 1 080 statków kosmicznych w konstelacji głównej, w pełni rozmieszczonych do 2035 roku, z czego mniej więcej 720 ma służyć do wnioskowania, a 360 do ogólnych obliczeń. Na stole leżą trzy projekty statków. Statek weryfikacyjny G1 daje od 40 do 60 PetaFLOPs przy 11,5 kilowata energii słonecznej. Standardowy G2 daje od 160 do 310 PetaFLOPs przy 48 kilowatach. Flagowy G3 daje od 460 do 1000 PetaFLOPs przy 140 kilowatach.
STAR.VISION podała, że zawarła umowy kredytowe z Industrial and Commercial Bank of China i Agricultural Bank of China na łącznie 10 000 000 000 Yuanów, czyli 1,49 mld dolarów amerykańskich na 28 września, z czego co najmniej 1 000 000 000 Yuanów jest dostępne na „pierwszy etap”. Starty zarezerwowano na rakietach Gravity-1 firmy Orienspace i Ceres-2 firmy Galactic Energy dla statków G1, choć nie podano docelowego miesiąca ani kwartału. Orbity, łącza optyczne między satelitami, rozmiary radiatorów i masa nie zostały ujawnione, a dokumentacja regulacyjna na arenie międzynarodowej nie została jeszcze złożona.
Projekt jest więc realny, finansowany i wciąż w dużej mierze nieokreślony. Ta luka ma znaczenie, gdy obietnica dotyczy obliczeń na orbicie.
Stary spór o nieprzewidywalne maszyny
Inżynierowie od dziesięcioleci prowadzą statki kosmiczne autonomicznie, ale autonomia nigdy nie była dominującym modelem, zauważa IEEE Spectrum, głównie dlatego, że dziedzina ceni systemy o przewidywalnym zachowaniu. Robert Ambrose, były szef Wydziału Oprogramowania, Robotyki i Symulacji NASA, przedstawił zastrzeżenie wprost w rozmowie ze Spectrum: „Autonomia często nie ma deterministycznego wyniku, co oznacza, że sposób, w jaki znalazłeś się w danej sytuacji, zmienia zachowanie. Jeśli więc trafiasz w tę samą sytuację, ale inną drogą, wynik może być inny. I inżynierowie tego nienawidzą”.
„Autonomia często nie ma deterministycznego wyniku... I inżynierowie tego nienawidzą”.
Ambrose pracował nad autonomią dla statku Orion i nad Robonautem 2, humanoidem, który poleciał w kosmos w 2011 roku. Jego argument dotyczy testowania, nie filozofii. Przy Orionie inżynierowie musieli brać pod uwagę nie tylko to, co statek może zrobić, ale i każdą drogę, którą mógł dojść do decyzji. Spectrum podaje, że inżynierowie znaleźli sposoby na opanowanie tej złożoności, i dlatego obecne eksperymenty w ogóle są możliwe.
Eksperymentów przybywa. W grudniu JPL użyło Claude do dwóch przejazdów po Marsie. W maju NASA i IBM umieściły skompresowany model AI na Międzynarodowej Stacji Kosmicznej i na satelicie, żeby rozpoznawać powodzie i chmury z orbity, opisany jako pierwszy taki model pokazany w kosmosie. W lipcu astronauci na ISS testowali duży model językowy do pytań o konserwację. Żaden z tych eksperymentów nie oddał kontroli modelowi. Wszystkie przesunęły granicę.
Co te modele właściwie punktują
Jeśli ktoś chce sprawdzić, jak daleko jeszcze musi zajść to oprogramowanie, ma po temu okazję, choć nie ma ona nic wspólnego ze statkami kosmicznymi. Blog o nazwie Labqoat opublikował 29 września benchmark, który pokazał osiem modeli 2 000 zdjęć tropów dzikich zwierząt, po 400 odchodów, odcisków łap, piór, jaj i kości. Każdy model dostawał jedno zdjęcie i kraj, i miał odpowiedzieć, jaki gatunek je zostawił.
Najlepszy model, Claude Opus 5.5, trafił z gatunkiem 743 razy na 2 000, czyli w 37,15%. Muse Spark 1.3 był następny z 33,35%, a GPT-6 Astra z 31,70%. Claude Sonnet 5.5 zajął czwarte miejsce z 25,15% przy szacowanym koszcie 7,62 dolara, odpowiadając na każde zdjęcie bez błędów zapytań. W sumie w ośmiu modelach 842 zdjęcia, ponad 40% zestawu, nie doczekały się żadnej poprawnej identyfikacji gatunku. Nawet Opus trafił właściwą rodzinę tylko w 51,75% zdjęć.
Autor ostrożnie opisuje ograniczenia wyniku. Wyniki Sonneta, GLM i DeepSeek nazywa wstępnymi, bo podczas punktowania pewien model tekstowy interpretował część odpowiedzi, a Sonnet ma 15 odpowiedzi czekających na przegląd. Najlepiej wypadły zdjęcia jaj, ale autor ostrzega, że niektóre gatunki mają więcej zdjęć niż inne. Przeważenie tak, żeby każdy gatunek liczył się równo, obniża wynik Opusa na jajach z 51,25% do około 37%. Nie ma też punktu odniesienia dla człowieka: żaden ekspert od dzikiej przyrody nie spróbował tego samego zestawu. „Nie wiem jeszcze, jaki wynik powinien być dobry”, pisze autor.
To uczciwa wersja benchmarku AI i warto ją zestawić z obietnicami z orbity. Model, który myli się przy sześciu na dziesięć tropów zwierząt, mimo podpowiedzi w postaci kraju, nie jest oczywiście gotowy decydować, co satelita ma zrobić dalej. Nadal może się przydać do zawężania opcji, które potem sprawdzi człowiek.
Gdzie są pieniądze, a gdzie szum
Obliczenia w kosmosie to już tłoczny rynek. China-in-space.com zauważa, że konstelacja obliczeniowa Three-Body firmy ADA Space i Zhejiang Lab wyprzedza konkurencję, mając kilkanaście satelitów pracujących na orbicie. Podaje, że Orbital Chenguang ma duże wsparcie finansowe, a Chaozhisuan Beijing Technology ma dobrze powiązanych partnerów, i obie firmy mają satelity demonstracyjne w locie. Firmy państwowe pracują nad dużymi statkami obliczeniowymi bez rozgłosu. Sama STAR.VISION używa AI na satelitach teledetekcyjnych co najmniej od połowy 2023 roku i twierdzi, że dwa satelity zbudowane dla Uzbekistanu i Indonezji zweryfikowały części przyszłej konstelacji. Serwis podaje też, że rząd centralny uznał potrzebne technologie za obszar priorytetowy 15. planu pięcioletniego, czyli lat 2026–2030.
Debata publiczna nie zawsze jest zresztą techniczna. Daily Mail opublikował 28 września tekst o widzach transmisji startu Starship firmy SpaceX, którzy zauważyli wąski, lekko zakrzywiony pas bladego niebieskiego światła z jaśniejszym białym końcem około siedmiu minut i 55 sekund po rozpoczęciu lotu testowego, a użytkownicy mediów społecznościowych nazwali go możliwym UFO. Ten sam serwis podaje, że rakieta osiągnęła orbitę. Żaden z tekstów nie identyfikuje obiektu.
Jest też małe, przydatne przypomnienie, że autonomia na orbicie to nie jedyna rzecz, którą się automatyzuje. ABA Games wydało na itch.io Wreckfall, strzelankę w stylu z 1981 roku na stałym ekranie. Statek, w który trafisz, nie znika, ale zmienia się w płonący wrak, który spada, niszczy każdy statek na swojej drodze i w końcu ląduje w miejscu gracza. Strona zawiera ujawnienie o AI: AI Assisted, Code. Takie gry nie są nauką. Dają jednak uczciwy obraz obecnego stanu techniki: maszyna produkuje coś użytecznego, a człowiek wciąż decyduje, co się liczy jako zwycięstwo.
Wracając do spraw poważnych, sporne pole jest wąskie i praktyczne. STAR.VISION ma finansowanie, partnerów, w tym Baidu AI Cloud, MinoSpace, Hangzhou Institute for Advanced Study przy UCAS i Hangzhou Research Institute of Xidian University, oraz listy poparcia od kilku stref Zhejiang, a także Xichang i Chongzhou. Nie ma opublikowanych orbit, łączy ani planów chłodzenia, a jej zgłoszenia regulacyjne są w toku. IEEE Spectrum ze swojej strony podaje, że generatywna AI w kosmosie jest wciąż zbyt mało godna zaufania, żeby oddać jej kontrolę nad statkiem kosmicznym. Inżynierowie zaczynają się pytać, czy stać ich na to, żeby nie próbować, skoro misje stają się coraz bardziej złożone, odległe i liczne.
Te dwa stanowiska nie są sprzeczne i w tym rzecz. Sprzęt jest finansowany i wysyłany na orbitę. Oprogramowanie jest testowane małymi, odwracalnymi krokami. Nikt nie opublikował jeszcze liczby, która by to rozstrzygnęła: jak często model ma rację i ile kosztuje, gdy się myli.
Źródła
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
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.