Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Komputery w kosmosie i autonomiczna AI zmieniają naukę o misjach

STAR.VISION Aerospace pokazała 25 września na Global Digital Trade Expo konstelację 1 080 statków kosmicznych do liczenia, a banki przyznały jej 10 mld juanów kredytu. IEEE Spectrum poinformowało 29 września, że NASA już testuje generatywną AI w samodzielnym podejmowaniu decyzji przez statki kosmiczne.

NaukaWyjaśnienieRenata PawlakOpublikowano: 29 września 20267 min czytaniaŹródła 4
Komputery w kosmosie i autonomiczna AI zmieniają naukę o misjach

29 września IEEE Spectrum opublikowało szczegółowy tekst o tym, jak NASA i inne agencje kosmiczne przenoszą generatywną AI z ziemskich laboratoriów na pokłady statków kosmicznych. Artykuł ukazał się o 13:23 UTC i opisuje serię eksperymentów, które zmieniają sposób powstawania, weryfikowania i wykorzystywania wyników naukowych z misji.

Najnowszy element tej układanki to prezentacja wielkiej konstelacji komputerów w kosmosie, którą STAR.VISION Aerospace pokazała 25 września na Global Digital Trade Expo. Jak podaje China in Space, firma chce do 2035 roku rozmieścić 1 080 statków kosmicznych: 720 ma się zajmować wnioskowaniem, a 360 ogólnym liczeniem. Projekt Space.IDC1 Computing Constellation zakłada umieszczenie na orbicie dużych mocy obliczeniowych, które korzystają z energii słonecznej i chłodzenia radiacyjnego. Firma dostała 10 mld juanów (1,49 mld dolarów według kursu z 28 września) kredytu strategicznego od Industrial and Commercial Bank of China i Agricultural Bank of China. Na pierwszy etap ma przypadać co najmniej 1 mld juanów.

Systemy autonomiczne wychodzą z laboratorium

IEEE Spectrum z 29 września pisze, że Laboratorium Napędów Odrzutowych NASA użyło w grudniu modeli Claude firmy Anthropic do zaplanowania dwóch przejazdów łazika Perseverance po Marsie. W maju NASA i IBM umieściły skompresowany model AI na Międzynarodowej Stacji Kosmicznej i na satelicie, żeby rozpoznawać z orbity powodzie i chmury. W lipcu astronauci na ISS sprawdzali, czy duży model językowy pomoże w procedurach konserwacyjnych.

Te eksperymenty zapowiadają większą zmianę w inżynierii kosmicznej. Przez dziesięciolecia to inżynierowie na Ziemi ustalali, co ma robić maszyna w kosmosie, a maszyna robiła dokładnie to. Teraz badacze sprawdzają, czy systemy niedeterministyczne, takie jak generatywna AI, dadzą statkom więcej swobody w interpretowaniu otoczenia, planowaniu zadań i, w przyszłości, samodzielnym decydowaniu.

Robert Ambrose, były szef Wydziału Oprogramowania, Robotyki i Symulacji NASA, powiedział IEEE Spectrum, że autonomia często nie ma deterministycznego wyniku, więc zachowanie zależy od tego, jak się w daną sytuację weszło. "Jeśli trafisz w tę samą sytuację inną drogą, wynik może być inny. I inżynierowie tego nienawidzą" - stwierdził. Ambrose przez większość kariery pracował w NASA nad systemami autonomicznymi, między innymi nad autonomią dla statku Orion i Robonauta 2, humanoidalnego robota, który poleciał w kosmos w 2011 roku. Przy Orionie zobaczył, jak szybko problem testowania może się rozrosnąć. Inżynierowie musieli brać pod uwagę nie tylko to, co statek może zrobić, ale też wszystkie drogi, którymi mógł dojść do decyzji.

Wyścig o sprzęt na Ziemi i na orbicie

Konstelacja STAR.VISION nie jest pierwsza. China in Space zauważa, że Three-Body Computing Constellation firm ADA Space i Zhejiang Lab wyprzedza pozostałe firmy i ma już kilkanaście satelitów w kosmosie. Orbital Chenguang ma poważne zaplecze finansowe, a Chaozhisuan Beijing Technology Co Ltd dobrze umocowanych partnerów. Obie firmy mają też satelity demonstracyjne na orbicie.

Firma planuje trzy wersje statków. Weryfikacyjny G1 ma dawać od 40 do 60 PetaFLOPs mocy obliczeniowej, wytwarzając 11,5 kilowata z paneli słonecznych. Standardowy G2 zapewni od 160 do 310 PetaFLOPs przy 48 kilowatach. Flagowy G3 ma mieć od 460 do 1000 PetaFLOPs i generować 140 kilowatów.

Szczegółów orbit, łączy między statkami, rozmiarów radiatorów ani masy nie podano. Dokumentacja dla regulatorów międzynarodowych, która dałaby więcej informacji, też jeszcze nie została złożona. Przy prezentacji STAR.VISION wspomniała, że zarezerwowała nieujawnioną liczbę startów rakietami Gravity-1 firmy Orienspace i Ceres-2 firmy Galactic Energy, żeby wynieść statki G1. Nie podano nawet przybliżonego miesiąca ani kwartału startu. Firma podpisała umowy z Hangzhou Institute for Advanced Study, UCAS, Hangzhou Research Institute of Xidian University, Hongqing Technology, Baidu AI Cloud i MinoSpace. Bliżej nieokreślonego wsparcia udzieliły władze Deqing Moganshan High-Tech Zone, Fuyang Economic and Technological Development Zone i miasteczka Yunqi, wszystkie w prowincji Zhejiang, a także Xichang w prowincji Syczuan i Chongzhou w prowincji Guangxi.

Testowanie granic AI w terenie

Gdy agencje kosmiczne pchają autonomię do przodu, niezależni badacze sprawdzają, jak obecne modele AI radzą sobie z zadaniami, które naukowcy z misji mogliby im przekazać. Wpis z 29 września na blogu Labqoat opisuje test Wildlife CSI, w którym osiem modeli sprawdzono na 2 000 zdjęć śladów zwierząt: odchodów, tropów, piór, jaj i kości. Według bloga najlepszy model, Claude Opus 5.5, poprawnie rozpoznał gatunek w 37,15% przypadków w całym zbiorze. Za nim uplasował się Muse Spark 1.3 z 33,35%, a potem GPT-6 Astra z 31,70%. Claude Sonnet 5.5 był czwarty z 25,15%. Nawet Opus rozpoznał rodzinę tylko na 51,75% zdjęć.

W sumie na wszystkich ośmiu modelach 842 zdjęcia nie doczekały się poprawnego rozpoznania gatunku. Opus rozpoznał 205 z 400 zdjęć jaj, ale tylko 82 z 400 tropów. Na wszystkich ośmiu modelach 257 z 400 tropów nie miało ani jednego trafnego wskazania gatunku. Dla jaj ta liczba wyniosła 123. Autor zastrzega, że jedne gatunki mają więcej zdjęć niż inne, więc trafienia przy nich bardziej podnoszą wynik. Gdy wyniki uśredni się po gatunkach, tak żeby każdy liczył się tak samo, wynik Opusa dla jaj spada z 51,25% do około 37%. Autor przypomina też, że samo iNaturalist zaleca oznaczanie tylko tak dokładnie, na ile pozwalają dowody, a nazwa gatunku przy obserwacji nie oznacza jeszcze, że da się go rozpoznać ze zdjęcia jednego śladu.

Model za kurtyną

29 września strona spacebunnyalpha.com opublikowała wyniki anonimowego modelu rozumującego o nazwie space-bunny-alpha. Model ma okno kontekstu na milion tokenów, przyjmuje tekst, obraz i wideo, a od 24 września 2026 roku jest notowany na OpenRouter. W okresie testowym jest bezpłatny.

Strona podaje, że na standardowym podzbiorze 60 pytań z GPQA Diamond space-bunny-alpha zdobył 82,0%. Dla porównania GPT-6 Sol zdobył 95,45% w niezależnym audycie 198 pytań, GPT-5.5 osiągnął 93,6% w wyniku opublikowanym przez OpenAI, a MiniMax M3 dostał 92,9% w standaryzowanej ocenie Artificial Analysis. Na MMLU-Pro space-bunny-alpha zdobył 75%, podczas gdy GPT-5.6 Sol osiągnął 89,1%, a Qwen3.8 Flash około 89,0%. Na podzbiorze 300 pytań z Humanity's Last Exam model zdobył 46,1% przy przedziale ufności 95% od 40,4 do 51,8%.

Strona podaje też, że na tych samych testach space-bunny-alpha zużył około jednej trzeciej tokenów wyjściowych Qwen3.8 Flash: 305 989 wobec 913 989. Model dostał 10,0 na 10 punktów w parsowaniu i wyciąganiu danych oraz w wywoływaniu narzędzi, ale tylko 4,2 w ogólnej inteligencji i 3,0 w ciekawostkach.

Co to znaczy dla nauki o misjach

W materiale nie ma bezpośredniego związku między konstelacją STAR.VISION a eksperymentami NASA nad autonomią. Oba jednak wskazują w tę samą stronę: więcej liczenia w kosmosie i więcej decyzji podejmowanych tam, a nie na Ziemi.

IEEE Spectrum zauważa, że technologia wciąż jest zbyt mało wiarygodna, by oddać jej kontrolę nad statkiem kosmicznym. Inżynierowie zaczynają jednak pytać, czy mogą sobie pozwolić na rezygnację z tego, gdy misje stają się bardziej złożone, odległe i liczne. Artykuł cytuje Ambrose'a, według którego inżynierowie znaleźli sposoby na opanowanie złożoności systemów autonomicznych, między innymi przez automatyzację testów. China in Space podaje, że rząd centralny wpisał potrzebne technologie komputerów kosmicznych na listę priorytetów 15. planu pięcioletniego (2026-2030), a uczestniczy w tym Ministerstwo Przemysłu i Technologii Informacyjnych. Artykuł zauważa, że chińskie firmy po cichu objęły prowadzenie w komputerach kosmicznych w trakcie globalnego boomu na sztuczną inteligencję.

Tymczasem test Wildlife CSI i wyniki space-bunny-alpha pokazują, że obecne modele AI wciąż mają kłopot z zadaniami wymagającymi precyzyjnego rozpoznania na podstawie skąpych dowodów. Luka między tym, co systemy autonomiczne potrafią w laboratorium, a tym, co potrafią w terenie, pozostaje duża. Dla nauki o misjach oznacza to, że AI będzie coraz częściej pomagać w przetwarzaniu danych, planowaniu i wykrywaniu anomalii, ale nadzór człowieka pozostanie konieczny. Eksperymenty na ISS i na łaziku Perseverance pokazują, że AI potrafi pomóc, ale też że ludzie wciąż sprawdzają jej pracę.

Komentarze 0

Źródła

4
  1. 01Star.vision Unveils 'Space.IDC' Computing Constellation with PartnersEN
  2. 02Autonomous AI in Space Exploration Raises New StakesEN
  3. 03I Made AI Look at Traces. For ScienceEN
  4. 04Space-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.

Renata Pawlak

Renata Pawlak

Nauka i zdrowie

Renata Pawlak zajmuje się w FLASH24 nauką i zdrowiem, opierając teksty na publikacjach recenzowanych, komunikatach instytucji i danych źródłowych, a nie na doniesieniach bez pokrycia. Przy każdej liczbie sprawdza metodologię badania, wielkość próby i jednostki, a wyniki porównuje z wcześniejszymi pracami na ten sam temat. Czeka na comiesięczne raporty GUS i NFZ, rozmawia z lekarzami oraz fizykami, a przed publikacją pyta autorów o ograniczenia ich wniosków. Prywatnie interesuje się fizyką materiałów i obserwuje niebo przez własny teleskop, co pomaga jej czytać prace z dziedzin ścisłych. Nie publikuje niczego, czego nie może potwierdzić w co najmniej dwóch niezależnych źródłach.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.