Dirbtinis intelektas palydovų ir kosmoso sistemose

Įvadas

Dirbtinis intelektas (DI) vis labiau tampa neatsiejama šiuolaikinių kosminių technologijų dalimi, leidžiančia kosminiams laivams ir palydovams veikti autonomiškiau ir efektyviau nei bet kada anksčiau. Nuo Marso klajoklių navigacijos svetimame paviršiuje iki milžiniškų Žemės stebėjimo duomenų apdorojimo orbitoje – DI metodai, tokie kaip mašininis mokymasis ir automatinis planavimas, iš esmės pakeičia mūsų būdus tyrinėti ir panaudoti kosmosą. Šiame pranešime pateikiama išsami dirbtinio intelekto ir palydovų/kosminių sistemų sankirtos apžvalga, apimanti svarbiausias taikymo sritis, istorinius pasiekimus, dabartinę pažangą įvairiuose sektoriuose, pagrindines technologijas, privalumus ir iššūkius, ateities tendencijas bei pagrindines organizacijas, kurios skatina pažangą šioje srityje.

DI taikymas kosminėse sistemose

DI taikomas įvairiose su kosmosu susijusiose veiklose. Pagrindinės taikymo sritys:

• Palydovinių vaizdų analizė: DI pagrindu veikiantis kompiuterinis regėjimas itin paspartina palydovinės vaizdinės medžiagos interpretavimą. Mašininio mokymosi modeliai gali automatiškai aptikti ir klasifikuoti objektus Žemėje (tokių kaip transporto priemonės, pastatai, pasėliai ar laivai) ir stebėti pokyčius laikui bėgant fedgovtoday.com. Tai padeda žvalgybai, aplinkos stebėsenai ir reagavimui į nelaimes greitai peržiūrint milžiniškus vaizdų kiekius. Pavyzdžiui, Nacionalinė geoerdvinio žvalgybos agentūra (NGA) naudoja DI, kad peržiūrėtų vaizdus ir ieškotų objektų bei veiklų, padedančių aptikti galimas grėsmes ar svarbius įvykius iš orbitos fedgovtoday.com. Taip pat tiriamos generatyvinio DI technikos, kurios padeda užpildyti spragas ir suteikti kontekstą vaizdų duomenyse fedgovtoday.com, pagerindamos objektų atpažinimą ir analizę. Komerciniame sektoriuje tokios kompanijos kaip „Planet Labs“ pasitelkia mašininį mokymąsi paversti kasdienius Žemės vaizdus į analitiką – identifikuoja miškų naikinimą, stebi infrastruktūrą ir t.t., beveik be žmogaus įsikišimo fedgovtoday.com.
• Autonominė navigacija ir robotika: Kosminiai aparatai ir robotizuoti tyrinėtojai naudoja DI, kad galėtų orientuotis ir priimti sprendimus be nuolatinės žmonių kontrolės. Marso roveriai yra puikus pavyzdys – NASA roveriai turi DI pagrįstas autonominės navigacijos sistemas, kurios sudaro 3D vietovės žemėlapius, identifikuoja pavojus ir savarankiškai planuoja saugius maršrutus nasa.gov. Perseverance AutoNav sistema leidžia jam „mąstyti vairuojant“ – išvengti kliūčių ir žymiai padidinti važiavimo greitį, palyginti su ankstesniais roveriais nasa.gov nasa.gov. Panašiai, DI leidžia dirbtuvėms palydovams atlikti pozicijos palaikymą ir manevravimą su minimaliu ryšiu su Žeme. Moksliniai projektai kuria autonominio prisijungimo galimybes naudojant DI planavimą; pavyzdžiui, nauja sistema Autonomous Rendezvous Transformer (ART) naudoja Transformerio neuroninį tinklą (panašų į ChatGPT), leidžiant kosminiams aparatams planuoti prisijungimo trajektorijas su ribotais skaičiavimo ištekliais space.com space.com. Tai leistų ateities transporto priemonėms susitikti ir prisijungti orbitoje arba aplink tolimas planetas be tiesioginio žmogaus valdymo. Robotikos srityje DI taip pat valdo robotines rankas ir paviršiaus robotus – TKS eksperimentinis robotas CIMON (Crew Interactive Mobile Companion) buvo laisvai judantis DI asistentas, galėjęs bendrauti su astronautais ir vykdyti paprastas užduotis balsu airbus.com. Šie pavyzdžiai iliustruoja, kaip DI pagrįsta autonomija yra itin svarbi naršant, tyrinėjant ir veikiant aplinkose, kuriose realaus laiko žmogaus kontrolė yra nepraktiška.
• Kosmoso oro prognozavimas: DI padeda prognozuoti saulės audras ir kitus kosmoso oro reiškinius, kurie gali kelti pavojų palydovams ir elektros tinklams. Analizuodami kosminių aparatų jutiklių duomenų srautus, DI modeliai gali numatyti tokias reiškinius kaip geomagnetinės audros su daug didesniu išankstiniu perspėjimu. Ypač NASA mokslininkai sukūrė giluminio mokymosi modelį DAGGER, kuris naudoja saulės vėjo palydovinius matavimus, kad prognozuotų, kurioje Žemės vietoje smogs saulės audra iki 30 minučių iš anksto nasa.gov. Šis modelis, apmokytas naudojant tokių misijų kaip ACE ir Wind duomenis, gali per mažiau nei sekundę pateikti pasaulines geomagnetinių sutrikimų prognozes, atnaujinamas kas minutę nasa.gov nasa.gov. Jis pranoksta ankstesnius modelius, nes sujungia realaus laiko kosmoso duomenis su DI raštų atpažinimu, leidžiančiu įspėti apie saulės audras kaip „tornado sirenos“ nasa.gov nasa.gov. Toks DI sustiprintas prognozavimas yra itin svarbus, nes suteikia operatoriams laiko apsaugoti palydovus ir infrastruktūrą nuo saulės blyksnių bei vainikinių masės išmetimų. Be geomagnetinių audrų, DI taip pat taikomas aukštos energijos dalelių srautų Žemės radiacijos juostose prognozavimui nasa.gov ir saulės teleskopų duomenų interpretavimui blyksnių prognozavimui nextgov.com – tai pagerina mūsų gebėjimą numatyti ir sušvelninti kosminio oro poveikį.
• Erdvės šiukšlių stebėjimas ir susidūrimų vengimas: Didėjantis orbitoje sklandančių šiukšlių kiekis kelia susidūrimų riziką palydovams, todėl DI yra pasitelkiamas spręsti šią „kosminio eismo valdymo“ problemą. Mašininis mokymasis gali pagerinti objektų orbitoje stebėjimą ir prognozavimo modeliavimą, padedant nustatyti didelės rizikos susidūrimus. Europos kosmoso agentūra kuria automatizuotą susidūrimų vengimo sistemą, kuri naudoja DI vertinant susidūrimo tikimybes ir sprendžiant, kada palydovas turėtų manevruoti esa.int. Užuot šiandien taikomas daugiausia rankinis procesas – kai operatoriai per savaitę turi peržiūrėti šimtus įspėjimų esa.int – DI sistema galėtų automatiškai apskaičiuoti trajektorijas, pasirinkti optimalius vengimo manevrus ir net juos vykdyti palydove. Iš tiesų ESA mato ateities palydovus, kurie naudodamiesi DI koordinuos manevrus tarpusavyje – tai būtina, kai žemoji Žemės orbita darosi vis labiau perpildyta esa.int esa.int. Tokios startuolės kaip LeoLabs ir Neuraspace taip pat naudoja DI, kad atrinktų jutiklių duomenis ir prognozuotų artimus prasilenkimus, automatiškai įspėdamos apie „sankirtas“. „Thales Alenia Space“ kartu su DI įmone „Delfox“ išbando „išmaniojo susidūrimų vengimo“ DI, kuris suteiktų palydovams didesnį savarankiškumą vengiant šiukšlių ar net antipalydovinių ginklų thalesaleniaspace.com thalesaleniaspace.com. Greitai analizuodamas orbitas ir galimus manevrus, DI gali reaguoti greičiau nei žmonės valdytojai, užkirsdamas kelią susidūrimams. Toks optimizuotas sprendimų palaikymas tampa vis svarbesnis, kai megažvaigždynai paleidžia dešimtis tūkstančių naujų palydovų.
• Misijų planavimas ir optimizavimas: DI technologijos supaprastina sudėtingą kosminių misijų ir palydovų operacijų planavimo užduotį. Tai apima automatinį palydovinių stebėjimų, komunikacijos kontaktų ir net visų misijos grafiko sudarymą. DI pagrindu veikiančios planavimo sistemos gali atsižvelgti į daugybę apribojimų (orbitos dinamika, energijos prieinamumas, antžeminių stočių langai ir kt.) ir pateikti optimalius planus per kur kas trumpesnį laiką nei žmogaus komanda boozallen.com boozallen.com. Pavyzdžiui, tokios įmonės kaip Cognitive Space siūlo DI pagrindu veikiančius misijų planavimo sprendimus Žemės stebėjimo palydovų žvaigždynams: jų programinė įranga automatiškai nustato prioritetinius vaizdavimo taikinius, paskirsto palydovo išteklius ir planuoja nuskaitymo sesijas subalansuodama prioritetus ir apribojimus realiu laiku aws.amazon.com aws.amazon.com. Tokia išmani automatizacija leidžia vienam operatoriui efektyviai valdyti šimtų palydovų flotilę. DI taip pat naudojamas trajektorijų optimizavimui – NASA ir kitos organizacijos pasitelkia algoritmus (kartais kartu su kvantinės kompiuterijos tyrimais), kad surastų degalų atžvilgiu efektyviausius kosminių aparatų kelius arba optimizuotų kelių taikinių stebėjimo sekas boozallen.com douglevin.substack.com. Net ir pilotuojamose misijose DI gali optimizuoti misijų planus ir logistiką. Apibendrinant, mašininio mokymosi ir heuristinės paieškos algoritmai padeda organizuoti kosmines misijas efektyviau, ypač kai operacijos tampa vis sudėtingesnės.
• Palydovų sveikatos stebėjimas ir numatomasis techninis aptarnavimas: Palydovai nuolat generuoja telemetrijos duomenis apie savo posistemius, o dabar dirbtinio intelekto algoritmai analizuoja šiuos duomenis, kad aptiktų anomalijas ir numatytų gedimus dar prieš jiems įvykstant. Naudodami mašininį mokymąsi anomalijų aptikimui, operatoriai gali pereiti nuo reaguojančio gedimų šalinimo prie aktyvaus techninės priežiūros planavimo – taip prailginant palydovų tarnavimo laiką ir išvengiant brangių sutrikimų. Vienas reikšmingų pavyzdžių yra NOAA GOES-R orų palydovai, kurie nuo 2017 m. naudoja dirbtinio intelekto pagrindu veikiančią Pažangią išmanią stebėsenos sistemą (AIMS), skirtą stebėti kosminio aparato būklę asrcfederal.com asrcfederal.com. AIMS apdoroja tūkstančius telemetrijos parametrų (temperatūras, įtampas, jutiklių rodmenis ir kt.) ir naudoja raštų atpažinimą, kad pastebėtų subtilius pokyčius, kurie iš anksto perspėja apie įrangos gedimus asrcfederal.com. Ji gali įspėti inžinierius arba netgi vykdyti korekcinius veiksmus pati. Pasak NOAA, ši DI priemonė gali nustatyti problemas ir pasiūlyti sprendimus per kelias minutes ar valandas, kai anksčiau ekspertai diagnostikavo problemas ištisas dienas asrcfederal.com. Ji jau padėjo išvengti neplanuotų prastovų laiku aptikus anomalijas (pvz., kai instrumentų detektorius paveikė radiacija), suteikdama galimybę koregavimams ar paleidimui iš naujo dar prieš įvykstant gedimui asrcfederal.com asrcfederal.com. Panašiai palydovų gamintojai tyrinėja DI diegimą laive gedimų aptikimui, izoliavimui ir atkūrimui (FDIR) – iš esmės suteikdami palydovams savarankiškos priežiūros galimybių. Taip pat orbitoje veikiantys aptarnavimo aparatai gali naudoti DI, kad diagnozuotų klientų palydovų problemas. Apskritai, prediktyvioji analizė gerina kosmoso infrastruktūros patikimumą ir atsparumą, iš anksto nustatydama problemas pagal subtilius duomenų skirtumus asrcfederal.com asrcfederal.com.
• Ryšiai ir duomenų perdavimas: Dirbtinis intelektas tobulina kosminius ryšius pasitelkdamas tokias technologijas kaip kognityvinis radijas ir automatizuotas tinklo valdymas. Kognityvinio radijo sistemos naudoja DI/ML, kad dinamiškai paskirtų dažnius ir koreguotų signalo parametrus realiu laiku – tai itin svarbu, nes kosmose naudojamų dažnių spektras tampa vis tankesnis. NASA jau yra išbandžiusi kognityvinius radijus, kurie leidžia palydovams autonomiškai rasti ir naudoti laisvus dažnių ruožus nelaukiant signalo iš Žemės valdymo centro nasa.gov nasa.gov. Stebėdamas radijo dažnių aplinką ir taikydamas DI, palydovas gali išvengti trukdžių ir optimizuoti duomenų perdavimą realiu laiku – tarsi išmanusis Wi-Fi maršrutizatorius, keičiantis kanalus. Tai didina ryšių efektyvumą ir patikimumą nasa.gov. Dirbtinis intelektas taip pat pritaikomas tinklo maršrutizavimui būsimosiose palydovų žvaigždynuose, kur tūkstančiai palydovų perduos duomenis tinkliniu principu. Mašininis mokymasis gali parinkti optimaliausius maršrutus ir protingai paskirstyti duomenų srauto pralaidumą pagal apkrovą bei linijų būklę. Be to, duomenys gali būti apdorojami tiesiog palydove (naudojant DI), todėl į Žemę siunčiama mažiau neapdorotų duomenų ir sumažinamas pralaidumo poreikis. Pavyzdžiui, ESA Φsat palydovai naudoja DI vaizdo algoritmus apsiniaukusiems vaizdams filtruoti orbitoje, kad į Žemę būtų perduodamos tik naudingos nuotraukos esa.int. DI pagrįsti glaudinimo metodai taip pat leidžia efektyviau užkoduoti duomenis – Φsat-2 turi DI pagrįstą vaizdų glaudinimo programėlę, kuri žymiai sumažina failų dydžius prieš perdavimą esa.int. Bendraujant su astronautais, DI valdomi balso asistentai ir vertimo įrankiai (tokie kaip ISS CIMON) pagerina žmogaus ir mašinos sąveiką. Ateityje, atsiradus lazeriniam ryšiui ir 5G kosmose, DI taps pagrindiniu tinklo resursų valdymo ir ryšio palaikymo autonomiškai įrankiu.

NASA „Perseverance” Marso roveris naudoja DI pagrįstą autonominę navigaciją, kad galėtų įveikti pavojingą Marso paviršių be tiesioginės žmogaus kontrolės nasa.gov. Jo „AutoNav” sistema leidžia planuoti maršrutus ir išvengti kliūčių realiu laiku, todėl roverio greitis ir nuvažiuojamas atstumas gerokai didesni nei ankstesniųjų modelių. Toks autonomiškumas yra būtinas efektyviam Marso tyrinėjimui, atsižvelgiant į ilgus ryšio su Žeme uždelsimus.

Šis sferinis robotas, kuris buvo paleistas į Tarptautinę kosminę stotį 2018 m., naudojo IBM Watson dirbtinį intelektą balso atpažinimui ir pokalbių sąveikoms airbus.com.CIMON galėjo plūduriuoti mikrogravitacijoje, reaguoti į žodines komandas, rodyti informaciją savo ekrane „veide“ ir netgi užmegzti trumpas pokalbių formas.Jis sėkmingai įvykdė pirmuosius bandymus su astronautu Alexanderiu Gerstu, pademonstruodamas žmogaus ir dirbtinio intelekto bendradarbiavimą kosmose airbus.comairbus.com.CIMON pažymėjo dirbtinio intelekto integraciją į pilotuojamus kosminius skrydžius operacinei pagalbai ir parodė virtualių asistentų potencialą padėti astronautams.

Metai	Etapas
1970-ieji–1980-ieji	Ankstyvosios DI koncepcijos: Kosmoso agentūros pradeda tirti dirbtinį intelektą misijų valdymui ir ekspertinėms sistemoms.Pavyzdžiui, NASA eksperimentuoja su programine įranga, skirta automatizuotai gedimų diagnostikai erdvėlaiviuose ir stebėjimų planavimui.Šios ankstyvosios DI programos buvo ribojamos kompiuterių galimybių, tačiau padėjo pagrindą autonomijai kosmose parametric-architecture.com ntrs.nasa.gov.(Per šį laikotarpį dauguma „DI“ buvo pagrįsti antžeminėmis sistemomis dėl mažos borto kompiuterių apdorojimo galios.)
1999	Nuotolinis agentas „Deep Space 1“: Didelis proveržis – NASA „Deep Space 1“ zondas skrido su Nuotolinio agento DI programine įranga, pirmą kartą dirbtinio intelekto sistema autonomiškai valdė kosminį aparatą jpl.nasa.gov.Per 3 dienas 1999 m. gegužę nuotolinis agentas valdė DS1 veiklą be žemės įsikišimo, planavo užduotis ir realiu laiku diagnozavo imituotus gedimus jpl.nasa.gov jpl.nasa.gov.Ji sėkmingai aptiko ir išsprendė problemas (pvz.užstrigusios kameros) perdarydama planą laive, įrodydama, kad tikslų siekiantis DI gali autonomiškai išlaikyti misiją teisingame kelyje jpl.nasa.gov jpl.nasa.gov.Šis eksperimentas, bendras NASA JPL ir NASA Ames projektas, buvo vadinamas „naujos eros kosmoso tyrinėjimuose aušra“, kai savimonę turinčios, pačios save valdančios kosminės transporto priemonės leistų imtis drąsesnių misijų jpl.nasa.gov.Nuotolinis agentas laimėjo NASA 1999 metų programinės įrangos apdovanojimą jpl.nasa.gov ir yra laikomas svarbiu dirbtinio intelekto istorijos kosmose įvykiu.
2001–2004	Autonominė Sciencecraft EO-1 misijoje: NASA Žemės stebėjimo palydovas EO-1 pademonstravo dirbtinio intelekto pagrindu veikiančią Autonominės Sciencecraft Eksperimentą (ASE).Iki 2004 m. ASE naudojo bortinį mašininį mokymąsi analizuoti vaizdus orbitoje ir tada iš naujo paskirti palydovą pagal gautus duomenis esto.nasa.gov esto.nasa.gov.Pavyzdžiui, jei EO-1 dirbtinis intelektas aptiktų ugnikalnio išsiveržimą nuotraukoje, jis nedelsiant suplanuotų to ugnikalnio stebėjimą per kitą praskridimą esto.nasa.gov.Ši uždaro ciklo autonomija buvo vienas pirmųjų atvejų, kai kosminis laivas pats priėmė mokslinius sprendimus.Jame taip pat buvo įtrauktas integruotas planuotojas (CASPER) ir patikima vykdymo programinė įranga, paremta Nuotolinio Agentų koncepcijomis Žemės orbitos misijai.ASE sėkmė realiuoju laiku aptinkant tokius įvykius kaip išsiveržimai ir potvyniai patvirtino dirbtinio intelekto naudingumą reaguojančiam Žemės stebėjimui.
2005–2012	Roveriai ir planavimo DI: DI pagrįstas savarankiškumas tapo plačiau naudojamas Marso tyrimuose ir observatorijų veikloje.2000-aisiais Mars Exploration Rovers (Spirit ir Opportunity) naudojo autonominę navigaciją, o vėliau misijos metu – programinę įrangą AEGIS, kuri leido jiems automatiškai nusitaikyti į uolienas su savo spektrometrais.Tai buvo vėlesnių pažangesnių roverių autonomijos pirmtakas.Tuo tarpu dirbtinio intelekto planavimo sistemos buvo pritaikytos žemėje – NASA sukūrė sudėtingus instrumentų planavimo algoritmus (pvz., Hablo kosminiam teleskopui ir palydovų grupėms), kad optimizuotų stebėjimų grafikus.Šie ankstyvieji dirbtinio intelekto diegimai veikloje padidino efektyvumą ir sumažino darbo krūvį žmogaus operatoriams.
2013	JAXA Epsilon – pirmoji raketa su dirbtiniu intelektu: Japonijos aerokosminių tyrimų agentūra paleido Epsilon raketą – pirmąją raketą su DI pagrįsta autonomine patikros sistema.Epsilon laive įdiegta dirbtinio intelekto sistema atliko automatizuotus sveikatos patikrinimus ir stebėjimą skaičiavimo metu ir skrydžio metu, taip sumažindama didelių antžeminių valdymo komandų poreikį global.jaxa.jp global.jaxa.jp.Ši naujovė sutrumpino paleidimo parengimo laiką nuo mėnesių iki vos kelių dienų, nes raketa pati gali išbandyti savo sistemas ir reikia tik mažos komandos „mobiliosios kontrolės“ aplinkoje global.jaxa.jp.Epsilon sėkmė 2013 metais parodė, kad DI gali padidinti patikimumą ir sumažinti paleidimo kaštus, automatizuodamas anksčiau daug darbo reikalavusius procesus global.jaxa.jp global.jaxa.jp.
2015	Curiosity roverio DI taikymas: NASA Curiosity Marso roveris, nusileidęs 2012 m., 2015 metais įdiegė DI sistemą (AEGIS), leidusią savarankiškai pasirinkti uolienų taikinius savo ChemCam lazerio instrumentui naudojant vaizdų analizę.Taigi „Curiosity“ tapo pirmuoju marsaeigiu, naudojusiu DI, kad priimtų mokslinį sprendimą vietoje (pasirinkdamas įdomius taikinius pagal formą/spalvą) jpl.nasa.gov.Ši galimybė pranašavo pažangesnę autonominę mokslinę veiklą „Perseverance“ misijoje.
2018	CIMON – dirbtinio intelekto įgulos padėjėjas TKS: Crew Interactive MObile CompanioN (CIMON), kurį sukūrė „Airbus“ ir „IBM“ DLR užsakymu, tapo pirmuoju dirbtinio intelekto valdomu astronautų padėjėju.
2020	ESA Φ-sat-1 – pirmasis dirbtinio intelekto procesorius Žemės orbitoje: Europos kosmoso agentūra paleido Φ-sat-1 (PhiSat-1) – CubeSat eksperimentą, kuris pirmasis skriejo su specialiu DI lustu (Intel Movidius Myriad 2) Žemės stebėjimo palydove esa.int.Φ-sat-1 dirbtinis intelektas buvo pavestas filtruoti debesimis padengtus vaizdus laive – iš esmės atlikti pradinę vaizdų atranką kosmose, kad būtų perduodami tik naudingi duomenys esa.int.Paleista 2020 m., ji įrodė, kad net maži palydovai gali vykdyti dirbtinio intelekto procesus orbitoje, taip atverdama kelią ambicingesniems projektams, tokiems kaip Φ-sat-2.
2021	Perseverance ir pažangus roverio DI: NASA Perseverance roveris (nusileidęs 2021 m. vasarį) į Marsą atgabeno pažangiausią autonomiją iki šiol.Jo AutoNav navigacijos DI leido jam važiuoti iki 5 kartų greičiau nei Curiosity, apdorojant vaizdus realiuoju laiku, kad būtų išvengta pavojų nasa.gov nasa.gov.Perseverance taip pat naudoja dirbtinį intelektą mokslui: pavyzdžiui, „adaptyvaus mėginių ėmimo“ DI savo PIXL instrumentui leidžia savarankiškai nustatyti įdomias uolienų ypatybes analizavimui be Žemės kontrolės jpl.nasa.gov jpl.nasa.gov.2021 m. taip pat padidėjo dirbtinio intelekto naudojimas valdyti didėjantį palydovų ir kosminių duomenų kiekį (pvz.JAVKosminės pajėgos diegia dirbtinį intelektą kosminės srities stebėsenai).
2024	Φ-sat-2 ir toliau: ESA Φ-sat-2 (paleista 2024 m.) yra visiškai dirbtiniam intelektui skirta palydovų misija, kuriame yra šešios DI programėlės, skirtos įvairioms užduotims – nuo debesų aptikimo iki laivų sekimo esa.int.Tai yra pažangiausias dirbtinio intelekto diegimo orbitoje pavyzdys, leidžiantis įkelti naujus DI modelius net ir po paleidimo esa.int.Maždaug tuo pačiu metu DARPA Blackjack programa diegia eksperimentinius mažus palydovus, kurių kiekvienas turi Pit Boss DI mazgą, skirtą savarankiškai valdyti karinės misijos naudingąją apkrovą ir tinklų sąveiką paskirstytoje žvaigždyne militaryembedded.com.Ši raida rodo, kad dirbtinis intelektas pereina iš eksperimentinės stadijos į veikiančią kosminių sistemų srityje, o agentūros ir įmonės planuoja DI kaip pagrindinę būsimų misijų dalį.

Ši laiko juosta rodo aiškią tendenciją: tai, kas prasidėjo kaip pavieniai eksperimentai (tokie kaip „Remote Agent“), iki 2020-ųjų paskatino plačią DI integraciją kosminiuose laivuose.

Kiekvienas etapas stiprino pasitikėjimą, kad dirbtinis intelektas gali patikimai veikti kosmoso sąlygomis.Šiandien beveik visos pažangios kosmoso misijos apima dirbtinį intelektą arba autonomiją, o investicijos į dirbtinį intelektą kosmose sparčiai auga visame pasaulyje.

Dirbtinio intelekto istorinė raida kosminių technologijų srityje

Dirbtinio intelekto naudojimas kosminėse sistemose vystėsi nuo eksperimentinių pradmenų iki pagrindinio daugelio misijų komponento. Pagrindiniai etapai apima:

Dabartinė DI padėtis kosminėse sistemose

Vyriausybinės ir agentūrų programos: Nacionalinės kosmoso agentūros aktyviai diegia DI plačiai savo mokslo, tyrinėjimų ir palydovų programose. NASA naudoja DI autonominiam robotų darbui, planetos mokslo duomenų analizei, Žemės stebėjimui ir misijų valdymui. Pavyzdžiui, NASA „Frontier Development Lab“ (FDL) yra viešojo ir privataus sektoriaus partnerystė, naudojanti DI spręsti tokiems iššūkiams kaip saulės audrų prognozavimas (sukurtas DAGGER modelis) nasa.gov, mėnulio išteklių žemėlapių sudarymas ir astronautų sveikatos stebėjimas. NASA būsimoji Artemidės programa testuoja DI asistentus (balso agentas Callisto, skriejęs aplink Mėnulį) ir svarsto DI autonominėms sistemoms Mėnulio „Gateway“. ESA taip pat padarė DI savo strategijos pagrindu – be Φ-sat misijų, ESA ɸ-lab inkubuoja DI sprendimus Žemės stebėjimui ir navigacijai, o tokie projektai kaip Automatizuotas susidūrimų vengimas kuriami kosminiam saugumui esa.int esa.int. Europos kosmoso agentūra DI naudoja ir ant žemės valdyti sudėtingus palydovinių instrumentų planus bei didelį duomenų srautą iš observatorijų. Kitos agentūros: JAXA demonstravo DI paleidimo aparatuose ir atlieka DI pagrįstų zondų tyrimus (pvz., asteroidų tyrinėjimams), Roscosmos ir CNSA (Kinija) tariamai investuoja į autonomines sistemas ir naudoja DI vaizdų analizei bei žmogaus skrydžių palaikymui (Kinijos 2021 m. Marso roveris turi autonominę navigaciją, taip pat diskutuojama apie DI valdomas mega-konsteliacijas). JAV Nacionalinė vandenynų ir atmosferos administracija (NOAA) jau naudoja DI palydovų stebėjimui ir siekia DI pagalba pagerinti orų prognozavimą, pasitelkiant palydovinius duomenis nextgov.com. Apibendrinant, vyriausybinės kosmoso programos DI laiko esminiu didinant misijų mokslinę grąžą ir valdant vis sudėtingesnes operacijas.

Kariuomenė ir gynyba: Gynybos ir nacionalinio saugumo bendruomenė daug investuoja į dirbtinį intelektą kosmose, siekdama greitesnio sprendimų priėmimo konkurencingoje ir duomenų prisotintoje aplinkoje boozallen.com boozallen.com.

JAVGynybos departamentas turi keletą programų: pavyzdžiui, DARPA „Blackjack“ projektas siekia išdėstyti LEO prototipinę mažų palydovų konstelaciją, kurių kiekvienas aprūpintas Pit Boss DI mazgu autonomiškai koordinuoti tinklą ir dalintis taktine informacija militaryembedded.com.Idėja yra ta, kad karinių palydovų flotilė galėtų aptikti taikinius (pvz., mobiliuosius raketų paleidimo įrenginius ar laivus) naudodama borto jutiklius ir kartu nuspręsti, kuris palydovas turi geriausią galimybę stebėti ar sekti, tada automatiškai nukreipti tą palydovą rinkti duomenis ir juos perduoti – visa tai be centralizuoto valdiklio militaryembedded.com boozallen.com.Tokia autonominė „nuo jutiklio iki šaulio“ grandinė labai sutrumpina reakcijos laiką.JAVSpace Force taip pat diegia dirbtinį intelektą kosmoso srities informuotumui – objektų ir galimų grėsmių orbitoje stebėsenai.Kadangi per dieną gaunama tūkstančiai stebėjimų, Kosmoso pajėgos naudoja DI/ML, kad automatizuotų naujų palydovų ar manevrų identifikavimą.Ekspertai pažymi, kad dirbtinis intelektas yra būtinas norint neatsilikti nuo „milžiniško kosmoso eismo duomenų srauto“ ir greitai atskirti įprastus įvykius nuo anomalijų ar priešiškų veiksmų airandspaceforces.com airandspaceforces.com.Sąjungininkų gynybos organizacijos (pvz.Europoje) taip pat tyrinėja dirbtinį intelektą palydovų stebėjimui, raketų perspėjimui (dirbtinis intelektas filtruoja jutiklių duomenis, siekiant išvengti klaidingų aliarmų), ir kosminių išteklių kibernetinį saugumą.Žemės segmente DI padeda gynybinių palydovų misijų planavimui, panašiai kaip ir komerciniuose naudojimuose, tačiau čia didelis dėmesys skiriamas atsparumui (DI autonomiškai perkonfigūruoja tinklus, jei palydovai yra trukdomi arba užpuolami).Žvalgybos agentūros naudoja dirbtinį intelektą, kad mastu analizuotų palydovinę vaizdinę ir signalinę žvalgybą, kaip tai pastebima NGA dirbtinio intelekto naudojime vaizdinei analizei fedgovtoday.com.Apibendrinant galima pasakyti, kad karinėje kosminėje srityje diegiama dirbtinis intelektas siekiant didesnio greičio ir efektyvumo—nesvarbu, ar tai būtų kariuomenės padalinys, greičiau gaunantis palydovinę žvalgybinę informaciją per DI apdorotas nuotraukas, ar autonominis palydovų klasteris, perskirstantis ryšius po to, kai prarandamas vienas iš mazgų.Šios galimybės laikomos jėgos daugikliais.Tačiau pastebimas ir atsargumas: gynybos suinteresuotosios šalys pabrėžia „patikimą DI“ – algoritmai turi būti paaiškinami ir patikimi, kad vadai galėtų pasitikėti jų rezultatais fedgovtoday.com boozallen.com.Dedamos pastangos tikrinti ir patvirtinti DI sistemas, skirtas svarbioms kosminėms misijoms.

Komercinis sektorius: Privačios kosmoso bendrovės ir startuoliai entuziastingai taiko DI, siekdami išskirtinių konkurencinių pranašumų kaštų ir galimybių srityse. Pavyzdžiui, SpaceX stipriai remiasi automatizacija ir sudėtingais algoritmais (nors jie ne visuomet aiškiai vadinami „DI“) – jų Falcon 9 raketos nusileidžia savarankiškai naudodamos kompiuterinį matymą ir jutiklių sujungimą, o Crew Dragon erdvėlaiviai visiškai autonomiškai prisijungia prie TKS, naudodami DI valdomą navigaciją ir LIDAR vaizdavimą space.com. Pranešama, kad SpaceX Starlink palydovai turi autonominę susidūrimų vengimo sistemą, kuri, naudodama stebėjimo duomenis, be žmogaus įsikišimo išvengia nuolaužų ar kitų palydovų – tai būtina 4 000+ palydovų mega-konsteliacijai. Žemės stebėjimo įmonės, tokios kaip Planet Labs, savo veiklą iš esmės grindžia DI: Planet valdo apie 200 vaizdinių nanosatelitų ir debesijoje taiko mašininį mokymąsi kasdieniam vaizdų srautui analizuoti (aptikdama pokyčius, objektus ir anomalijas) klientams fedgovtoday.com. Maxar Technologies ir BlackSky taip pat naudoja DI, kad suteiktų analitines paslaugas (pvz., atpažintų karinę techniką ar gamtos stichijų padarinius vaizduose). Gamyboje startuoliai, tokie kaip Relativity Space, naudoja DI valdomus 3D spausdintuvus ir mašininio mokymosi grįžtamąjį ryšį, kad optimizuotų raketų gamybą nstxl.org – jų gamyklos DI mokosi iš kiekvieno spausdinimo, kad pagerintų kokybę ir spartą. Palydovų operatoriai diegia DI tinklų optimizavimui; pavyzdžiui, bendrovės, valdančios dideles komunikacinių palydovų grupes, taiko DI tvarkaraščių sudarymui, kad maršrutuotų srautą ir dinamiškai paskirstytų dažnius. Cognitive Space, jau minėtas anksčiau, siūlo savo DI operacijų platformą tiek komerciniams žvaigždynų operatoriams, tiek vyriausybei. Net tradicinės aviacijos ir kosmoso milžinės turi specialias DI iniciatyvas: Lockheed Martin sukūrė „DI Gamykla“ neuroniniams tinklams treniruoti pažangiose simuliacijose ir vykdo eksperimentines DI valdomas SmartSat misijas (viena iš jų naudojo NVIDIA Jetson DI modulį vaizdų apdorojimui tiesiog palydove) developer.nvidia.com developer.nvidia.com. Airbus ir Thales Alenia diegia DI galimybes savo naujos kartos palydovuose ir bendradarbiauja su DI įmonėmis (pvz., Airbus su IBM dėl CIMON, Thales su hiperspektrinės vaizdo analizės įmonėmis). Komercinė tendencija aiški – DI laikomas pagrindiniu automatizuojant operacijas (mažinant personalo poreikį), didinant sistemų efektyvumą ir kuriant naujas duomenų paslaugas. Tai apima paleidimą (autonominės raketos), palydovus (apdorojimas laive) ir tolesnę analizę (neapdorotus kosmoso duomenis paverčiant įžvalgomis per DI).

Technologinės DI diegimo kosmose prielaidos

• Integruotas „Edge“ kompiuterinis apdorojimas: Vienas pagrindinių pokyčių buvo patobulinta kosminėms sąlygoms pritaikyta skaičiavimo įranga, kuri leidžia sudėtingus DI modelius vykdyti pačioje kosminėje transporto priemonėje.Tradiciškai palydovų procesoriai buvo kelis kartus lėtesni nei vartotojiškoje elektronikoje (dėl atsparumo radiacijai), todėl buvo ribotas duomenų apdorojimas vietoje.Tačiau šiandien atsiranda spinduliuotei atsparių dirbtinio intelekto greitintuvų.ESA Φ-sat misijos naudojo Movidius Myriad 2 VPU – iš esmės mažytį neuroninio tinklo spartintuvą – kad atliktų inferencijas vaizduose orbitoje.Panašiai, „Lockheed Martin“ eksperimentinė SmartSat platforma naudoja NVIDIA Jetson GPU pagrindu veikiančius kompiuterius mažose palydovuose developer.nvidia.com developer.nvidia.com.2020 m. Lockheed ir USC paleido CubeSat su Jetson, kad išbandytų AI programas, tokias kaip vaizdų superrezoliucija ir realaus laiko vaizdo apdorojimas kosmose developer.nvidia.com developer.nvidia.com.Jetson suteikė daugiau nei 0,5 TFLOPs skaičiavimo galią, tai – didžiulis šuolis kubiniam palydovui, leidžiantis realiu laiku pagerinti nuotraukas (jų „SuperRes AI“ programa) ir galimybę įkelti naują ML programinę įrangą po paleidimo developer.nvidia.com developer.nvidia.com.Kitas pavyzdys yra DARPA Pit Boss – iš esmės tai superkompiuterio mazgas, kurį sukūrė SEAKR Engineering ir kuris bus naudojamas Blackjack palydovuose, kad galėtų atlikti paskirstytą dirbtinio intelekto apdorojimą ir duomenų susiliejimą tarp žvaigždyno militaryembedded.com.Siekiant palaikyti šią pažangą, kuriami naujos kartos kosminiai procesoriai: būsimas NASA Didelio našumo kosminio skrydžio kompiuteris (HPSC) lustas (sudarytas iš 12 RISC-V branduolių) suteiks 100 kartų didesnius skaičiavimo pajėgumus nei dabartiniai nuo radiacijos apsaugoti procesoriai ir specialiai palaikys dirbtinio intelekto/mašininio mokymosi užduotis su vektoriniais akseleratoriais sifive.com nasa.gov.Tikimasi, kad HPSC debiutuos vėliau šį dešimtmetį ir leis 2030-ųjų metų misijoms vykdyti sudėtingus vaizdo ir mokymosi algoritmus tiesiog laive, tuo pačiu atitinkant griežtus energijos ir patikimumo reikalavimus nasa.gov nasa.gov.Apibendrinant galima teigti, kad reikšminga pažanga kosminės paskirties kompiuterijose – nuo AI spartintuvų mažose palydovuose iki daugiabrandolių radiacijos atsparesnių procesorių – kuria techninį pagrindą autonominiams, dirbtiniu intelektu praturtintiems kosminiams laivams.

  Dirbtinio intelekto galimybių pasiekimas kosmose reikalauja įveikti unikalius techninius iššūkius. Pagrindiniai veiksniai apima:

• Borto programinės įrangos karkasai ir neuroniniai tinklai: Programinės įrangos pažanga yra tokia pat svarbi. Inžinieriai kuria lengvus DI modelius ir optimizuotą kodą, kuris galėtų veikti ribotos erdvėlaivių atminties ir apdorojimo sąlygomis. Tokios technikos kaip modelio glaudinimas, kvantizacija ir FPGA spartinimas naudojamos neuroniniams tinklams diegti kosmose. Pavyzdžiui, Φ-sat-1 debesų atpažinimo DI buvo suglaudintas konvoliucinis tinklas, realiu laiku aptinkantis debesis daugiaspektriniuose duomenyse, o artėjantis Φ-sat-2 palaiko individualias DI programėles, kurias galima įkelti ir vykdyti orbitoje naudojant lanksčią programiškai apibrėžiamą naudingosios apkrovos kompiuterį esa.int esa.int. Tai iš esmės sukuria programėlių parduotuvės kosmose paradigmą – palydovai gali būti rekonfigūruoti su naujomis DI funkcijomis po paleidimo. Be to, vis dažniau taikomos tvirtos autonominės programinės įrangos architektūros (pradininkas buvo Remote Agent ir kiti). Jos apima valdymo sistemas, kurios gali paskirstyti planus posistemėms ir tvarkyti nenumatytas situacijas bei modeliu pagrįsto samprotavimo variklius gedimų diagnostikai. Pažangios programinės įrangos ir našios techninės įrangos sinergija reiškia, kad šiuolaikiniai palydovai gali turėti visą DI/ML procesų seką bortu: nuo duomenų iš jutiklių surinkimo → iki išankstinio apdorojimo → iki išvadų darymo (pvz., objektų atpažinimas paveikslėlyje) → iki sprendimo (pvz., ar siųsti duomenis žemyn, ar atlikti naują stebėjimą). Kai kurie palydovai netgi turi kelis DI modelius skirtingoms užduotims (Φ-sat-2 vienu metu vykdo šešias esa.int). Svarbus veiksnys čia yra kraštinio DI (edge AI) koncepcija – algoritmų kūrimas, kad jie veiktų ribotuose, kartais su pertrūkiais veikiančiuose kompiuteriniuose aplinkose, užtikrinant didelį patikimumą. Tai apima išsamius testavimus dėl radiacijos sukeltų klaidų ir saugiklių, kad DI gedimo atveju nesukeltų pavojaus erdvėlaiviui.
• Dirvos segmento DI ir debesų integracija: Ne visa kosmoso DI turi veikti pačiame palydove – dar viena svarbi tendencija yra debesų kompiuterijos ir DI integravimas antžeminėse stotyse ir misijų valdymo centruose. Operatoriai naudoja debesų platformas, kad apdorotų palydovų telemetriją ir vaizdus su DI realiu laiku vos tik jiems pasiekus žemę, o taip pat, kad išmanesniu būdu valdytų pačius palydovus. Pavyzdžiui, „Amazon Web Services“ (AWS) ir „Microsoft Azure“ siūlo „antžeminės stoties kaip paslaugos“ sprendimus, kurie leidžia palydovų duomenims tiesiogiai pasiekti debesų duomenų centrus, kur DI modeliai analizuoja juos per kelias sekundes nuo surinkimo momento. AWS atvejo analizė rodo Debesijos misijų operacijų centrą (CMOC), kuriame misijos planavimas, skrydžio dinamika ir duomenų analizės posistemės veikia kaip mikroservisai debesyje aws.amazon.com aws.amazon.com. Tokioje architektūroje DI gali būti naudojamas anomalijų aptikimui telemetrijoje (naudojant AWS SageMaker ML modelius, aptinkant neįprastus telemetrijos rodmenis) ir palydovų flotilės optimizavimui (Cognitive Space CNTIENT.AI, veikiantis AWS, automatizuoja palydovų planavimą) aws.amazon.com aws.amazon.com. Debesis suteikia praktiškai neribotą skaičiavimo galią modeliams treniruoti naudojant istorinę kosmoso duomenų bazę ir vykdant didžiulių resursų reikalaujančią analizę (pavyzdžiui, sintetinės diafragmos radarinių vaizdų apdorojimui ar tūkstančių susidūrimo įspėjimų analizavimui). Taip pat užtikrinamas globalus mastelio didinimas – DI valdomi operacijų centrai gali augti kartu su palydovų konstelacija be proporcingo fizinės infrastruktūros didinimo aws.amazon.com aws.amazon.com. Toks glaudus palydovų susiejimas su DI pagrįstomis debesijos sistemomis – tai esminė dabartinio kosmoso DI kraštovaizdžio dalis. Tai leidžia taikyti hibridinį intelektą: esminiai sprendimai ir duomenų mažinimas vyksta palydove, o giluminė analizė ir strateginiai sprendimai – žemėje naudojant didžiųjų duomenų DI, su abipusio grįžtamojo ryšio ciklu tarp abiejų pusių.
• Specializuoti AI algoritmai kosmosui: Šių sistemų pagrindą sudaro algoritmai, specialiai pritaikyti kosminių taikymų poreikiams. Pavyzdžiui, vaizdine navigacija pagrįsti algoritmai naudoja neuroninius tinklus optinei navigacijai vykdyti (atpažįsta orientyrus ar žvaigždes, kad nustatytų poziciją/orientaciją). Reinforcement learning (stiprinamasis mokymas) yra tiriamas kosminių laivų valdymui – pvz., padėties valdymo sistemos, kurios išmoksta optimalius sukimo momentus, kad sumažintų kuro sąnaudas, arba RL modeliai, kurie išmoksta, kaip įvykdyti orbitinį susitikimą ir prijungimą. Stanfordo komandos ART prijungimo AI yra pavyzdys, kai mokymosi pagrindu veikiantis metodas (Transformer neuroninis tinklas) pakeičia „žalią“ trajektorijų skaičiavimą space.com. Kita sritis – anomalijų aptikimas: tokios technikos kaip vienaklasė SVM arba autoencoder tinklai yra naudojami telemetrijos duomenų modeliuose, kad būtų aptiktos išimtys, rodančios sutrikimus, kaip tai daroma GOES AIMS sistemoje ir panašiose sistemose asrcfederal.com asrcfederal.com. Natūralios kalbos apdorojimas taip pat tampa aktualus kosmoso operacijose; misijų valdymo centrai eksperimentuoja su AI pagalbininkais, galinčiais analizuoti procedūrų dokumentus ar balso komandas (pavyzdžiui, pokalbių asistentas astronautams, galintis pašalinti nesklandumus pagal vadovus). Galiausiai kvantinės kompiuterijos pažanga suteikia vilčių stipriai pagreitinti kai kuriuos su kosmosu susijusius AI skaičiavimus (apie tai daugiau būsimoje dalyje) – pavyzdžiui, kvantiniai algoritmai gali spręsti sudėtingą orbitų optimizavimą ar šifruoti ryšius taip, kaip klasikiniam AI būtų sunku juos nulaužti nstxl.org. Visi šie algoritmų ir skaičiavimo metodų pasiekimai sukuria pagrindą, leidžiantį praktiškai diegti AI kosmose.

ESA Φsat-2, paleistas 2024 m., yra vienas pirmųjų palydovų, specialiai sukurtų naudoti integruotą dirbtinį intelektą. Vos 22×10×33 cm dydžio CubeSat turi galingą AI koprocesorių, kuris analizuoja vaizdus orbitoje – atlieka tokius darbus kaip debesų aptikimas, žemėlapių generavimas, laivų ir gaisrų nustatymas automatiškai, dar prieš siunčiant duomenis į Žemę esa.int. Apdorodamas duomenis tiesiogiai palydove, Φsat-2 siunčia tik naudingą, jau apdorotą informaciją į Žemę, taip gerokai sumažindamas perduodamų duomenų kiekį ir suteikdamas galimybę realiu laiku gauti įžvalgas iš kosmoso. Ši misija demonstruoja miniatiūrizuotos techninės įrangos ir pažangios AI programinės įrangos technologinę sąjungą mažame palydove.

Dirbtinio intelekto diegimo kosmose privalumai

AI integravimas į kosmoso sistemas suteikia daug privalumų:

• Patobulintas autonomiškumas ir sprendimų priėmimas realiu laiku: DI leidžia kosminiams aparatus priimti sprendimus akimirksniu, nelaukiant nurodymų iš Žemės. Tai itin svarbu tolimojoje misijoje (pvz., Marso roveriams ar giliūjų kosminių zondui), kai ryšio vėlavimai užtrunka nuo kelių minučių iki valandų. Veikdama lokaliai, DI leidžia greitai reaguoti į dinamiškus įvykius – roveris gali sustoti, vos tik jo kameros pastebi pavojų, arba palydovas gali išvengti nuolaužų per kelias sekundes. Iš esmės, DI suteikia savarankiškumo lygį, leidžiantį misijoms saugiai ir efektyviai tęsti net ir būnant be ryšio. Tai taip pat sumažina nuolatinio žmogaus stebėjimo poreikį. Pavyzdžiui, „Remote Agent“ demonstracija parodė, kad DI gali realiu laiku savarankiškai pašalinti kosminių aparatų gedimus jpl.nasa.gov jpl.nasa.gov. Visai neseniai „Sentinel-2“ miškų gaisrų eksperimentas parodė, kad pavojų (pvz., miškų gaisrų ar neteisėto laivybos) nustatymas tiesiogiai aparate užtikrina beveik realaus laiko perspėjimus gelbėtojams, palyginti su kelių valandų ar dienų vėlavimu, jei visa analizė atliekama Žemėje sentinels.copernicus.eu sentinels.copernicus.eu. Apskritai, autonominis DI „į vietoje“ gali žymiai paspartinti misijų eigą ir padidinti mokslinius rezultatus.
• Efektyvus duomenų apdorojimas: Šiuolaikinės kosminės transporto priemonės surenka daug daugiau duomenų, nei gali perduoti į Žemę, dėl riboto pralaidumo. DI siūlo sprendimą filtruodamas, suspausdamas ir prioritetizuodamas duomenis ties šaltiniu. Palydovai gali naudoti DI vaizdo algoritmus, kad atrinktų įdomiausius vaizdus arba protingai suspaustų duomenis (kaip Φsat-2, kuris naudoja įtaisytąjį vaizdo suspaudimą esa.int), perduodamas turtingiausią informaciją ir atmesdamas pasikartojimus ar neryškius vaizdus. Ši duomenų atranka maksimaliai išnaudoja kiekvieną ryšio su Žeme minutę. Pavyzdžiui, Φsat-1 DI atmetė debesuotus taškus, todėl analitikams pasiekė 30 % daugiau naudingų vaizdų vietoj tuščių debesų esa.int. Taip pat DI gali integruoti įvairių šaltinių jutiklių duomenis laive, kad sumažintų apimtį – pvz., sugeneruoti įvykio ataskaitą iš kelių matavimų vietoj visų žalių duomenų perdavimo. Šis efektyvumas itin svarbus tokioms misijoms kaip Žemės stebėjimo palydovų žvaigždynai, kur nuolatinis vaizdavimas galėtų perkrauti antžemines stotis be vietinio duomenų filtravimo. Antžeminėje grandinėje DI taip pat padeda įveikti duomenų srautą: mašininio mokymosi modeliai peržiūri terabaitus vaizdų ar telemetrijos, kad surastų anomalijas ar dominančius objektus, žymiai sumažindami rankinį darbą ir užtikrindami, kad svarbi informacija neliktų nepastebėta. Iš esmės, DI veikia kaip išmanusis duomenų valdytojas, padedantis maksimaliai išnaudoti ribotas komunikacijos galimybes.
• Pagerintos misijų operacijos ir mastelio didinimas: Automatizavimas naudojant DI leidžia valdyti kur kas sudėtingesnes operacijas nei būtų įmanoma atliekant jas rankiniu būdu. Viena DI valdoma valdymo sistema gali koordinuoti dešimtis kosminių aparatų, suplanuoti tūkstančius stebėjimų arba greitai pertvarkyti planus reaguojant į pokyčius – užduotys, kurios žmogiškiems operatoriams būtų pernelyg sudėtingos tiek pagal mastą, tiek pagal greitį. Tai vis svarbiau, kai diegiame megakonsteliacijas ir vykdome daugelio elementų misijas. DI pagrindu veikiantis planavimas ir išteklių optimizavimas taip pat gali žymiai pagerinti išteklių panaudojimą (palydovų jutiklių, antenų laiko, kuro) surandant optimalius sprendimus, kuriuos žmonės galėtų praleisti pro akis. Pavyzdžiui, DI planuotojas gali padidinti vaizdų fiksavimo konsteliacijos produktyvumą užtikrindamas, kad palydovai nedubliuoja aprėpties ir būtų dinamiškai perplanuojami pagal skubius taikinius (pvz., staigias gamtines katastrofas) per kelias minutes. DI taip pat nepavargsta ir gali stebėti sistemas 24/7 nesiblaškydamas, nedelsiant pažymėdamas problemas. Patikimumas dėl to gerėja – DI gali aptikti ir ištaisyti nedidelius nukrypimus dar jiems neperaugus į didesnes problemas. GOES-R programa savo DI stebėjimą pripažino prisidėjusiu prie palydovo misijos tarnavimo laiko pratęsimo, užkertant kelią gedimams asrcfederal.com asrcfederal.com. Kalbant apie kaštus, DI ir automatizavimas sumažina darbo jėgos poreikį: agentūros gali valdyti daugiau palydovų nereikalaudamos eksponentiškai didesnių misijų valdymo komandų. SpaceX tai pademonstravo savo Falcon 9 raketų parku, kurie automatiškai nusileidžia – taip panaikinant poreikį (ir riziką) žmonėms vykdyti atgavimo operacijas, o Starlink‘o tūkstančius palydovų jie valdo su palyginti maža komanda, iš dalies dėl autonominių sistemų. Apibendrinant, DI daro kosmoso operacijas masteliuojamas, efektyvias ir atsparias, o tai mažina kaštus ir didina mūsų įgyvendinamų misijų ambicijas.
• Nauji gebėjimai ir paslaugos: Dirbtinis intelektas ne tik pagerina esamus procesus – jis taip pat atveria visiškai naujus misijų konceptus. Kai kurie dalykai anksčiau tiesiog nebuvo įmanomi be DI. Pavyzdžiui, adaptyvūs moksliniai instrumentai (tokie kaip Perseverance roverio PIXL, kuris naudodamas DI nusprendžia, kokias uolienų ypatybes analizuoti jpl.nasa.gov jpl.nasa.gov), gali atlikti tyrimus, kurie būtų nepraktiški nuolat vadovaujant iš Žemės. Palydovų spiečiai galėtų koordinuoti stebėjimus (pvz., sintetinės diafragmos radaro interferometrijai ar keliakampiam vaizdavimui) per DI bendradarbiavimą, pasiekdami sudėtingus matavimus kaip grupė. DI gali suteikti „mąstančius“ kosminius aparatus, kurie dinamiškai persikonfigūruoja – ateities palydovai galėtų automatiškai paskirstyti energiją ar keisti jutiklių režimus naudodamiesi DI, kad įvykdytų misijos tikslus besikeičiančiomis sąlygomis. Žemės orbitoje DI pagrįsta geoerdvinė analizė tapo savarankiška paslauga: bendrovės parduoda įspėjimus, tokius kaip „šiame koordinate atsirado naujas pastatas“ ar „šiame regione blogėja pasėlių būklė“, kuriuos generuoja DI analizė pagal palydovinius duomenis. Tokia beveik realaus laiko įžvalgų paslauga apie Žemę pasauliniu mastu nebūtų įmanoma be DI. Kosmoso tyrimuose DI gali suteikti visiškai naujų tyrinėjimo būdų, pavyzdžiui, marsaeigiai ar dronai, gebantys autonomiškai žvalgyti prieš pagrindinę misiją, arba nusileidikliai, kurie savarankiškai ieško biosignatūrų ir priima sprendimus dėl mėginių ėmimo – atlikdami mokslinius tyrimus vietoje taip, kaip dabar pasikliaujame mokslininkais Žemėje. Net ir žmonių misijos gauna naudos, nes DI asistentai gali padėti įguloms atlikti diagnostiką, vertimus ar psichologiškai sudėtingus skaičiavimus, veiksmingai padidindami mažos įgulos pajėgumus. Esmė ta, kad DI plečia kosminių sistemų galimybes, leidžiant misijoms būti ambicingesnėms ir labiau prisitaikančioms nei bet kada anksčiau.

DI diegimo kosmose iššūkiai

Nors nauda yra didelė, DI naudojimas kosminėje aplinkoje susijęs su dideliais iššūkiais ir apribojimais:

• Kompiuteriniai apribojimai (Energija, Apdorojimas, Atmintis): Kosminiai aparatai turi ribotus energijos išteklius ir paprastai naudoja kuklią apdorojimo techniką, palyginus su sausumos kompiuteriais. Didelio našumo procesoriai taip pat generuoja šilumą, kurią reikia išsklaidyti vakuume. Dirbtinio intelekto algoritmai (ypač gilieji neuroniniai tinklai) gali būti labai skaičiavimams intensyvūs ir eikvoti daug energijos. Iššūkis – arba sukurti pakankamai lengvą DI, arba suteikti daugiau kompiuterinių resursų neviršijant dydžio/svorio/galingumo ribų. Padaryta pažanga (kaip aptarta su naujais procesoriais), bet kosminių aparatų procesoriai vis dar stipriai atsilieka nuo pažangiausių serverių. Inžinieriai privalo kruopščiai suderinti DI užduočių kiekį su energijos poreikiu – pvz., vaizdų apdorojimo DI gali veikti tik tada, kai aparatas apšviestas saule, naudodamas saulės energiją, ir išsijungti, kai yra užtemdyje. Sentinel-2 DI eksperimentas pažymėjo, jog Žemėje vykdomus procesus atkartoti orbitoje yra „skaičiavimams intensyvu ir sunku tai atlikti su ribotais borto ištekliais“ sentinels.copernicus.eu. Komanda turėjo sukurti energiją taupančius algoritmus ir netgi specialų žemos delsos koregistravimo metodą, kad tai taptų įmanoma sentinels.copernicus.eu sentinels.copernicus.eu. Tai pabrėžia, kaip kiekvienas procesoriaus ciklas ir vatas turi reikšmę kosmose. Be to, atmintis ribota – DI modeliai, kurie Žemėje užima šimtus MB, kosminiame aparate turi būti sumažinti arba kvantizuoti iki kelių MB, kad tilptų į aparatinės atmintį. Trumpai tariant, kosmoso aplinka verčia DI inžinierius siekti ypatingo efektyvumo, ir ne kiekvieną DI algoritmą galima lengvai pritaikyti be reikšmingo supaprastinimo.
• Radiacija ir patikimumas: Kosmose vyrauja atšiauri radiacijos aplinka, ypač už žemosios Žemės orbitos ribų. Aukštos energijos dalelės gali sukelti bitų „apsivertimus“ arba pažeidimus elektronikos grandinėse – šį reiškinį vadina vienetiniu įvykiu (single event upsets). Tai ypač problematiška AI skaičiavimams, nes pakitęs bitas neuroninio tinklo svoryje ar procesoriaus registre gali lemti neteisingus sprendimus ar net sistemos avariją. Nuo radiacijos apsaugoti procesoriai sprendžia tai specialiu dizainu (pvz., klaidų taisymo atmintimi, redundantiškomis grandinėmis), bet jie negali visiškai pašalinti problemos ir dažnai atsilieka našumu. Todėl tolerancijos klaidoms užtikrinimas yra pagrindinis iššūkis AI sistemoms. Kūrėjai turi įtraukti klaidų aptikimą (pavyzdžiui, rezultatų „protingumo“ patikra) ir saugius veikimo scenarijus – pavyzdžiui, jei AI rezultatas yra keistas ar modelis nereaguoja, erdvėlaivis turėtų pereiti į saugųjį režimą arba grįžti prie paprastesnių valdymo taisyklių. Patys AI algoritmai gali reikalauti dubliavimo; tyrėjai nagrinėjo ansamblių modelius arba daugumos balsavimo logiką, kad vieno bito pokytis katastrofiškai nepakeistų rezultato. AI programinės įrangos bandymas veikiant radiacijai (pvz., naudojant aukštos energijos dalelių spindulius laboratorijose) tapo svarbia patvirtinimo dalimi. Šis apribojimas taikomas ir aparatinei spartai: dauguma komercinių AI spartintuvų (GPU, TPU) nėra atsparūs radiacijai. Tokie projektai kaip NASA PULSAR eksperimentas bando naudoti COTS (komercinius) AI įrenginius žemose orbitose, tačiau bet kokiai misijai giliau kosmose greičiausiai reikės specializuotų lustų. Apskritai, AI skaičiavimų poreikių ir patikimos, nuo radiacijos apsaugotos veiklos balansas yra svarbi techninė kliūtis AI taikymui kosmose.
• Patikra ir pasitikėjimas: AI sistemos, ypač naudojančios mašininį mokymąsi, gali būti „juodosios dėžės“, kurių elgesys ne visada nuspėjamas visose situacijose. Kosminėms misijoms reikalingas didžiausias patikimumas – nemažai šansų lengvai perkrauti palydovą ar tiesiogiai įsikišti realiu laiku, jei blogas sprendimas priimamas už 100 milijonų kilometrų. Todėl bet kokia autonominė AI turi būti griežtai patikrinta ir patvirtinta. Tai sudėtinga, nes būsenų erdvė (visos galimos situacijos), pavyzdžiui, autonominėse navigacijoje, yra milžiniška, o ML sistemos gali netikėtai elgtis už savo mokymo duomenų ribų. Yra rizika, kad kraštutiniai atvejai sukels klaidas – pvz., vaizdo analizės AI gali sensorinės anomalijos vaizdą palaikyti tikru objektu ir priimti neteisingą sprendimą. Pasitikėjimo AI sprendimais klausimas išlieka problema; operatoriai natūraliai vengia visiškai perduoti valdymą algoritmui. Aviacijos ir kosmoso bendruomenė kuria naujus AI patvirtinimo metodus, tokius kaip Monte Karlo simuliacijos su tūkstančiais atsitiktinių situacijų statistiniam saugumo įvertinimui, arba formalaus patikrinimo technikas paprastesniems mokymosi pagrindu veikiančioms valdikliams. Kita svarbi sritis yra paaiškinamumas – kai kurioms sritims (pvz., gynyba/žvalgyba) svarbu suvokti, kodėl AI rekomendavo būtent tą manevrą ar pažymėjo konkretų taikinį fedgovtoday.com. Užtikrinti, kad AI gali paaiškinti savo sprendimus (arba bent kad inžinieriai galėtų juos interpretuoti po įvykio) yra aktyvi tyrimų sritis. Kol šie patikros iššūkiai neišspręsti, kritinėse rolėse AI gali būti ribojamas arba privalės turėti žmogaus atsarginį sprendimų priėmimą. Tai tiek organizacinis, tiek procesinis iššūkis: reikia nustatyti naujus AI standartus ir sertifikavimo procesus kosmoso srityje, panašiai kaip šiuo metu sertifikuojama skrydžių programinė įranga.
• Ryšio ir atnaujinimų apribojimai: Paleidus kosminį laivą, jo programinės įrangos ar dirbtinio intelekto modelių atnaujinimas tampa sudėtingas, ypač misijoms už Žemės orbitos ribų. Skirtingai nei įrenginiai, prijungti prie interneto Žemėje, kosmines sistemas sieja protarpinės, mažo pralaidumo linijos. Pavyzdžiui, naujo didelio neuroninio tinklo įkėlimas Marso roveriui gali užtrukti daugybę vertingų komunikacijos valandų per giluminio kosmoso tinklą. Be to, jei kas nors atnaujinimo metu nepavyksta, negalite paprastai atšaukti pokyčių nerizikuodami visa misija. Tai kelia iššūkių norint palaikyti DI sistemų atnaujinamumą pagal naujus duomenis ar metodus. Revoliucingas ML modelis, sukurtas jau po paleidimo? Jį diegti gali būti nepraktiška, nebent misija buvo specialiai sukurta lankstiems įkėlimams (kaip ketina daryti Φsat-2, esa.int). Dauguma misijų turi pasikliauti DI, su kuriuo buvo paleistos – tai didina spaudimą „padaryti teisingai“ ir užtikrinti patikimumą jau nuo pradžių. Be to, ribotas ryšys reiškia, kad jei DI susiduria su situacija, kurios nebuvo mokyme, ji ne visada gali iškart paprašyti pagalbos ar daugiau duomenų. Todėl planetiniai roveriai vis dar yra labai prižiūrimi – jei roverio DI abejoja dėl uolos, ji dažniausiai siunčia duomenis į Žemę, kad mokslininkai juos ištirtų, užuot rizikavusi neteisingu sprendimu. Ilgainiui patobulinta ryšių infrastruktūra (pvz., lazeriniai ryšio retransliatoriai) ir automatinis mokymasis gali tai palengvinti, bet šiuo metu tokie apribojimai yra realūs.
• Etiniai ir saugos aspektai: DI atliekant vis daugiau sprendimų priėmimo kosmose, kyla klausimai apie etikos ribas ir saugiklius. Gynybos scenarijuose, pavyzdžiui, jei DI identifikuoja palydovą kaip priešišką ir gal net siūlytų kontrapriemones, privaloma griežta žmogaus kontrolė, kad būtų išvengta netyčinės eskalacijos – iš esmės tai autonominių ginklų diskusijų kosminis atitikmuo. Civilinėse misijose būtina užtikrinti, kad DI visada prioritetu laikytų kosminio laivo saugumą; nenorėtume, kad DI viršytų saugias ribas siekdama mokslo tikslo. Taip pat egzistuoja DI šališkumo rizika – jei DI, išmokyta tam tikriems Žemės vaizdams, bus pritaikyta kitame kontekste (pvz. kitokio klimato ar kraštovaizdžio), ji gali pateikti šališkus rezultatus. Astronomijoje mokslininkams svarbu įsitikinti, kad DI algoritmai (pvz., egzoplanetų paieškai ar kosminių reiškinių aptikimui) yra gerai suprasti, kad netyčia nesukeltų šališkumo atradimuose. Šie iššūkiai lemia, kad DI vaidmuo turi būti aiškiai apibrėžtas ir nuolat stebimas. Daug misijų renkasi pakopinį autonomijos principą – DI gali savarankiškai priimti mažos rizikos sprendimus, tačiau viskam, kas kritiška ar potencialiai pavojinga, reikia patvirtinimo iš Žemės ar bent jau galimybės perimti valdymą.

Apibendrinant, DI diegimas kosmose nėra paprastas. Tai reikalauja pažangių inžinerinių sprendimų, kad sistemos būtų efektyvios, patikimos ir patikimos kosmoso sąlygoms. Misijos dažniausiai pradeda naudoti DI konservatyviai (sprendimų palaikymas, patarėjo rolės ar pusiau autonominiai režimai) ir tik palaipsniui didina autonomiją augant pasitikėjimui. Vis dėlto tendencija – įveikti šiuos iššūkius, pasitelkiant pažangesnes technologijas (pvz., radiaciniams poveikiams atsparius DI lustus) ir metodikas (geresnį tikrinimą ir bandymus orbitoje).

Ateities tendencijos ir tyrimų kryptys

Artimiausi metai žada dar labiau pagilinti DI vaidmenį kosmoso sistemose. Pagrindinės tendencijos ir tyrimų sritys yra:

• Dirbtinio intelekto pagrįsta kosmoso tyrinėjimas: Dirbtinis intelektas bus esminė naujos kartos tyrinėjimų misijų dalis. Ateities robotizuoti tyrinėtojai – nesvarbu, ar tai būtų Marso roveriai, Mėnulio robotai ar giliosios kosmoso zondai – turės vis daugiau autonomijos. NASA Dragonfly rotorinis orlaivis (planuojama tirti Titaną 2030-aisiais) naudos DI navigacijai po nežinomą Titano reljefą ir atmosferą – iš esmės, savarankiškai pilotuos save aplink Saturno palydovą aplankant įvairias mokslo vietas. Panašiai ir būsimos Marso misijos (pvz., pavyzdžių grąžinimo roveriai) greičiausiai naudos DI savarankiškai susitikimams su mėginių konteineriais ar mokslo sprendimams, kuriuos mėginius surinkti. Planuojant žmonių misijas į Marsą, DI padės įguloms valdyti būstą, orientuotis paviršiuje ir atlikti realaus laiko mokslo analizę (kadangi astronautai negali visko žinoti, DI asistentas galėtų padėti atpažinti geologinius bruožus ar ieškoti gyvybės požymių duomenyse). Dirbtinio intelekto pagrįsti tyrimai – tai didelė tema: vietoj paprasto duomenų rinkimo ir siuntimo į Žemę, kosminiai aparatai vis dažniau interpretuos duomenis vietoje ir patys spręs, kas įdomu. Tyrėjai vartoja terminą “mokslo autonomija” – kosminis laivas, kuris žino, ko ieškoti, ir gali keisti misiją, siekdamas intriguojančių radinių, nereikalaujant ilgo komunikavimo su Žeme nas.nasa.gov. Tarpplanetinės misijos taip pat naudos DI gedimų valdymui sudėtingoje gilios kosmoso aplinkoje, kur greitas atsigavimas gali nulemti misijos tęstinumą arba praradimą. Yra netgi vizija apie DI tyrinėtojus, galinčius veikti aplinkose, per daug pavojingose žmonėms ar įprastiems zondams – pavyzdžiui, būsimasis Europos kriobotikas (ledo gręžimo robotas) su DI galėtų savarankiškai ieškoti mikrobinės gyvybės polediniuose vandenynuose, akimirksniu spręsdamas, kuriuos mėginius analizuoti. Apibendrinant, DI laikomas esminiu įrankiu, leidžiančiu tyrinėti daugiau ir greičiau – atlikti daugiau mokslo tiesiogiai nepalaikant nuolatinio ryšio. Kosmoso agentūros turi aiškius planus šiai krypčiai (pvz., NASA 2040 DI tyrinėjimo strategija captechu.edu), kurioje DI matomas kaip „intelektualus kopilotis“ žmonių tyrinėtojams ir kaip autonominis agentas robotams.
• Autonominės palydovų spiečių ir megaspiečių sistemos: Augant aktyvių palydovų skaičiui, šių flotilių valdymas vis labiau priklausys nuo DI ir automatizavimo. Tikėtina, kad išvysime DI valdomus spiečius, kuriuose palydovai koordinuos veiksmus per tarppalydovines jungtis ir priims kolektyvinius sprendimus. Ryšio palydovų spiečiuose tai gali reikšti dinamišką duomenų maršrutizavimą tinkle pagal apkrovą arba savarankišką palydovų galios ir dažnių reguliavimą siekiant sumažinti tarpusavio trukdžius (kosminė DI pagrįsto tinklo optimizavimo taikymo sritis). Žemės stebėjimo spiečiuose palydovai gali dalintis informacija apie taikinius – jei vieno palydovo DI aptinka ką nors (pavyzdžiui, gaisrą), jis gali apie tai pranešti kitiems, kad šie būtų perkraunami ir užfiksuotų papildomus stebėjimus, visa tai vykstant autonomiškai. Spiečiai taip pat turės savarankiškai palaikyti orbitalinę konfigūraciją; DI gali padėti nuolatiniam formacijos skrydžiui, išlaikant tikslias santykines pozicijas (tai, ką bandys ESA artėjanti Proba-3 dviejų palydovų misija, galimai vadovaujant DI). Su megaspiečiais žemojoje Žemės orbitoje (dešimtys tūkstančių palydovų, kaip Starlink, OneWeb, Amazon Kuiper), susidūrimų vengimas ir eismo koordinavimas taps milžiniškais uždaviniais – čia DI greičiausiai bus pagrindinė Kosminio eismo valdymo sistemų ašis, stebinti kiekvieną palydovą ir vykdanti išvengimo manevrus koordinuotu pasauliniu mastu, kad vieno palydovo vengimo trajektorija nekeltų grėsmės kitam. Taip pat galime tikėtis daugiau tarppalydovinio DI: paskirstytų DI algoritmų, veikiančių visuose palydovuose problemoms spręsti bendradarbiaujant (šiek tiek tarsi decentralizuotas neuroninis tinklas kosmose). Pavyzdžiui, palydovų spiečius galėtų kartu apdoroti vaizdą, kiekvienas atlikdamas dalį užduoties, arba vykdyti paskirstytą stebėjimo užduotį, kai DI kiekviename palydove analizuoja dalį bendro skaičiavimo (pvz., kelių taškų pagalba kuriamas 3D struktūros žemėlapis). Esmė ta, kad pereiname nuo individualių išmanių palydovų prie išmanių spiečių. Tai pakeis mūsų požiūrį į misijas – vietoje vienas palydovas = viena misija, turėsime DI orkestruotus spiečius, vykdančius užduotis kaip vientisa sistema. Pažangiosios gynybos projektų agentūra (DARPA) ir kitos institucijos aktyviai eksperimentuoja šioje srityje (pvz., DARPA System-of-Systems požiūris kosmosui). Tai pasiekti reikės patikimų tarppalydovinių ryšių ir standartizuotų protokolų bendravimui bei bendram mąstymui. Rezultatai gali būti didesnis atsparumas (jei vienas palydovas nepavyksta – kiti kompensuoja), realaus laiko pasaulinis padengimas su išmaniu pertvarkymu bei mažesnis poreikis žmogaus įsikišimui kasdieniame spiečių valdyme.
• Žmogaus ir dirbtinio intelekto bendradarbiavimas kosmose: Žmogaus kosminių skrydžių srityje tikimasi, kad DI atliks vis didesnį vaidmenį kaip įgulos padėjėjas ir misijos partneris. Ateities kosminėse transporto priemonėse ir gyvenamosiose stotyse (pavyzdžiui, skirtose Artemis Mėnulio bazei ar Marso tranzitiniam laivui) greičiausiai bus įdiegti DI sprendimai, skirti valdyti gyvybės palaikymą, optimizuoti energijos ir šilumos panaudojimą bei aptikti sistemos sutrikimus – iš esmės tai būtų “autopilotas” gyvenamosioms patalpoms, kuris atliktų įprastas ar svarbias nuolatines užduotis, kad astronautai galėtų sutelkti dėmesį į tyrinėjimus. Tai pradžioje matėme su CIMON TKS stotyje, o ateityje galime sulaukti dar pažangesnių pokalbinio DI, galinčių atsakyti į astronautų klausimus (“Kaip man sutaisyti šį oro filtro sutrikimą?” naudodamiesi instrukcijomis) ar net teikti medicinines rekomendacijas, palygindami simptomus su medicinine duomenų baze. NASA vysto virtualių asistentų koncepcijas (ESA Analog-1 eksperimentai išbandė žmogaus ir roboto sąveiką, o NASA žmonių tyrimų programa domisi agentu paremta pagalba izoliacijos sąlygomis). Tikėtina, kad 2030-aisiais astronautai turės DI kompanioną tolimojoje kosminėje misijoje, kuris stebės jų kognityvinę ir emocinę būseną (padėdamas įveikti psichologinius ilgų misijų iššūkius) bei tarpininkaus bendraujant su Žeme – apibendrins pranešimus ar atliks įprastus patikrinimus. Teleoperavimas – dar viena sritis: astronautai galėtų naudoti DI nuotoliniu būdu valdydami marsaeigius ar dronus planetos paviršiuje (DI gali užtikrinti savarankišką stabilizavimą ar kliūčių išvengimą, taip palengvindamas astronautų darbą). Iš esmės DI sustiprins žmogaus produktyvumą ir saugą: jei astronautas atliks sudėtingą remontą, DI užtikrins, kad nepraleista nė vieno žingsnio, reguliuos aplinkos sąlygas ar net sinchroniškai valdys antrąją robotinę ranką. Toks bendradarbiavimas dažnai vadinamas “kognityvine automatizacija” – DI atlieka sudėtingiausius procedūrų ir trikčių šalinimo uždavinius, vadovaujamas žmogaus. Konkretaus artimiausio pavyzdžio galime laukti – NASA ketina naudoti Alexa balso asistento technologiją (iš Amazon) pritaikytą kosmose; ši buvo (ribotai) demonstruota Orion kosminiame laive Artemis I misijos metu. Būsimos versijos galės tiesiogiai sąveikauti su laivo sistemomis – astronautas galės pasakyti “Kompiuteri, diagnozuok mūsų saulės baterijų būklę,” ir DI apjungtų telemetriją bei pateiktų atsakymą. Galutinis tikslas – padaryti įgulos misijas labiau autonomiškas nuo Žemės, o tai privaloma tolstantiems, nes šviesos greičio vėlavimai ir ryšio praradimai reiškia, kad įgulos turės būti savarankiškos. Žmogui tinkami DI sprendimai bus kruopščiai testuojami ir vertinami, tačiau pažangos vartotojų DI asistentuose ir robotikoje jau sėkmingai pritaikomos kosmoso reikmėms.
• AI tarpplanetinėms ir giliosios kosmoso misijoms: Kai misijos keliauja toliau (į Marsą, asteroidus, išorines planetas ir dar toliau), dirbtinis intelektas tampa ne tik naudingas, bet dažnai ir būtinas. Viena didžiausių priežasčių yra komunikacijos delsos laikas – kelionės šviesos greičiu į Marsą trunka 4–20 minučių viena kryptimi, o iki Jupiterio – daugiau nei 30 minučių. Erdvėlaivio prie Jupiterio ar Saturno iš Žemės tiesiogiai valdyti neįmanoma. Todėl būsimoms giliosios kosmoso zondų misijoms reikės DI navigacijai (optinei navigacijai pagal mėnulius/žvaigždes, pavojų vengimui realiu laiku nusileidėjams), mokslinei autonomijai (pavyzdžiui, pasirenkant, kokius mėginius rinkti ant kometos ar sprendžiant, kaip pakoreguoti orbitą, kad būtų galima geriau stebėti kažką įdomaus), bei vidiniam gedimų valdymui (nes valanda laukimo, kol paklausi Žemės, ką daryti, gali kainuoti visą misiją). Tokie projektai kaip NASA siūloma Europa Lander jau analizavo DI pagrįstą nusileidimo vietų pasirinkimą – nusileidimą šalia įdomių paviršiaus struktūrų ir tada leistų pačiam nusileidėjui, remiantis jutiklių duomenimis, nuspręsti, kurį ledą tirpdyti ir analizuoti, ieškant biosignatūrų. Be to, autonominės mažų zondų spiečiai galėtų tyrinėti Saturno žiedus ar Marso urvus; tokių spiečių koordinavimui toli nuo Žemės reikės vietinio DI valdymo. Net giliosios kosmoso tinklo planavimas gali būti atliekamas DI, optimaliai paskiriant ryšio laiką daugeliui tolimų misijų, ypač kai paleisime daugiau zondų. Kitas pažangus sprendimas – vietinis mokslinių išvadų darymas: įsivaizduokite, kad tokie teleskopai kaip JWST ar būsimas kosminis observatorija naudotų DI, kad realiu laiku nuspręstų, ar jų duomenyse aptiktas trumpalaikis reiškinys (pvz., supernova ar gama spindulių žybsnis), ir tada automatiškai persiorientuotų ar pakoreguotų stebėjimus, kad jį užfiksuotų – iš esmės atlikdami atradimą ir stebėjimo tęsinį tiesiog laive. Tai galėtų labai padidinti mokslo grąžą, nes būtų sureaguojama greičiau nei žmogui įsikišus, ypač trumpalaikių reiškinių atveju. Taip pat tikėtina, kad DI bus naudojamas trajektorijos planavimui sudėtingiems daugiagravitaciniams manevrams ar stoties palaikymui nestabiliuose orbitos taškuose (kaip Gateway orbita aplink Mėnulį) – užduotims, kur paieškos laukas labai didelis ir DI optimizacija gali efektyviau rasti sprendimus. Apibendrinant, kuo toliau ir ilgiau trunka misijos, tuo labiau jos turi pasikliauti išmania laivo įranga, todėl giluminės kosmoso tyrinėjimai ir DI raida vis labiau siejasi tarpusavyje.
• AI palydovų žvaigždynuose ir megažvaigždynuose: (Aptarta aukščiau autonominiuose žvaigždynuose, tačiau papildomai apie megažvaigždynus.) Kai dešimtys tūkstančių palydovų teikia nuolatinį pasaulinį interneto ryšį (pvz., Starlink), rankinis valdymas tampa neįmanomas. Ateities megažvaigždynuose greičiausiai bus naudojamas aukštas centralizuotos ir paskirstytos dirbtinio intelekto (DI) lygis. Centralizuotas DI (antžeminiuose serveriuose) analizuos bendrą tinklo būklę ir vykdys aukšto lygio korekcijas (pvz., perstumiant palydovus tarp orbitų plokštumų norint sumažinti perkrovą arba optimizuojant bazinių stočių perdavimą pagal numatomą vartotojų poreikį). Paskirstytas DI (borto) leis palydovams vietoje derėtis dėl spektro naudojimo ir bendradarbiauti vengiant susidūrimų. Federacinis mokymasis – tai koncepcija, kuri galėtų būti taikoma: palydovai galėtų vietoje treniruoti mažus modelius pagal orbitinius duomenis ir dalintis įžvalgomis su centrine sistema, kiekvienam nereikalaujant visų duomenų rinkinių, taip kolektyviai tobulinant, pavyzdžiui, reakciją į kosminių orų pokyčius ar tempimo kompensavimo strategijas. Kita tendencija – “išmanieji naudingieji kroviniai”: pavyzdžiui, vaizdų žvaigždynai, kur kiekvieno palydovo kameros duomenis analizuoja DI orbitoje, tad Žemei perduodami tik naudingi įvykiai. Daugėjant vaizdų palydovų, tai taps itin svarbu, kad Žemės analitikai nebūtų užversti pertekliniais vaizdais. Įmonės jau eksperimentuoja su DI ties “kraštine” (“edge”) žvaigždyno dalimi (pvz., Satellogic ir kiti kalbėjo apie pirminį vaizdų apdorojimą orbitoje). Ryšio žvaigždynuose DI galėtų valdyti tarp-palydovinius lazerinius ryšius – dinamiškai pertvarkant tinklo topologiją srautams apeiti sutrikimus arba sumažinti vėlavimą tam tikram regionui didžiausio apkrovimo metu. Iš esmės, megažvaigždynai veiks kaip milžiniški paskirstyti mechanizmai, o DI bus ta operacinė sistema, kuri juos valdys. Taip pat pradeda formuotis kosminio eismo koordinavimas tarp skirtingų žvaigždynų – galbūt neutralūs DI sprendimai galėtų būti tarpininkai tarp, tarkim, Starlink ir kitos įmonės žvaigždyno, kad išvengtų trukdžių ir dalintųsi orbitų lizdais saugiai. Tokios institucijos kaip FCC ir tarptautinės organizacijos gali ateityje reikalauti, kad palydovai turėtų autonominio koordinavimo galimybių, kad galėtų valdyti daugiaaktorių aplinką. Visa tai rodo ateitį, kurioje Žemės orbita taps aktyvia, save valdančia palydovų ekosistema – „Kosminių daiktų internetu“ – o DI bus jungiamoji grandis, kuri viską palaikys kartu.
• Kvantinis skaičiavimas ir DI kosmose: Nors tai dar tik pradinėje stadijoje, kvantinių kompiuterių ir dirbtinio intelekto („Kvantinis DI“) susiliejimas ateityje gali tapti esminiu proveržiu kosmoso taikymuose. Kvantiniai kompiuteriai tam tikrus uždavinius gali išspręsti daug greičiau nei klasikiniai – aktualūs pavyzdžiai būtų optimizavimo uždaviniai, šifravimas/dešifravimas ir raštų atpažinimo užduotys. Jei kvantiniai procesoriai būtų pritaikyti naudoti kosmose, kosminis laivas galėtų turėti mažą kvantinį koprocesorių DI algoritmams spartinti ar itin greitam duomenų apdorojimui. Vienas iš galimų pritaikymų – kvantiškai patobulintas mašininis mokymasis: kvantinis kompiuteris galėtų apdoroti dalį neuroninio tinklo skaičiavimų ar padėti efektyviau apmokyti modelius, leidžiant net ir sudėtingesniems DI modeliams veikti ribotų resursų aplinkoje nstxl.org. Kitas – ryšių saugumas: kvantinis skaičiavimas galėtų stiprinti palydovų ryšių šifravimą (kvantinių raktų skirstymas jau bandomas naudojant palydovus), o DI galėtų padėti valdyti išskirtinius kvantinių komunikacijos kanalų triukšmo ir klaidų ypatumus. Kalbant apie žemės stotį, tokios organizacijos kaip NASA ir ESA žemėje testuoja kvantinius kompiuterius misijų planavimui ir kosmoso duomenų apdorojimui; pavyzdžiui, kvantinė optimizacija galėtų pagerinti tarpplanetinių misijų maršrutų planavimą arba suplanuoti tūkstančius stebėjimų didžiulėse žvaigždynų misijose taip, kaip klasikiniai kompiuteriai nesugebėtų per protingą laiką nstxl.org kroop.ai. IBM ir kiti jau pradėjo partnerystes (IBM turi Kvantinį Tinklą, kur dalyvauja ir CERN, ir kai kurios kosmoso agentūros, siekiant ištirti panaudojimo galimybes). Tikėtina, kad per dešimtmetį ar du kai kurie palydovai (ypač kariniai ar didelės giliosios kosminės zondų misijos) gali turėti radiacijai atsparius kvantinius procesorius specialiems uždaviniams – net jei tik saugesniam šifravimui ar itin tiksliems fizinių procesų simuliavimams. Be to, kvantiniai jutikliai (kaip kvantiniai gravimetrai ar laikrodžiai), generuojantys duomenis, gali naudoti DI tiems duomenims interpretuoti – ši sritis vadinama kvantiškai sustiprintu DI jutimu. Nors kvantinis skaičiavimas kosmose vis dar eksperimentinis, matoma būsima sąveika: kvantinis DI galėtų per kelias sekundes atlikti milžiniškus trajektorijų ar kosminių laivų simuliacijų skaičiavimus arba suteikti naujų galimybių, kaip realaus laiko didelių tinklų optimizavimas ir šiuo metu neįveikiamų kodų nulaužimas nstxl.org. Pradėti pirmieji žingsniai (Kinija paleido kvantinius mokslo palydovus, komercinės kompanijos siunčia superatšaldytas sistemas komponentų bandymams mikrogravitacijoje). Apibendrinant, kvantinė technologija ateityje gali stipriai paspartinti DI kosmose, o DI padės išnaudoti kvantinius efektus – taip paskatindama naujos kartos aukštos spartos skaičiavimo proveržį už Žemės ribų. Kol kas tai ateities tendencija, kurios verta stebėti, nes šioje srityje jau vyksta daug MTEP veiklos.
• Pažangios DI technologijos: generatyvinis dizainas, skaitmeniniai dvyniai ir daugiau: Kita ateities kryptis – DI taikymas ne tik eksploatacijoje, bet ir erdvės sistemų projektavime bei testavime. Generatyvinio dizaino algoritmai, valdomi DI, gali autonomiškai kurti optimalius erdvėlaivių korpusus ar komponentus, tyrinėdami daugybę dizaino variantų (ribojamuose rėmuose) – NASA jau naudojo generatyvinį DI, kad sukurtų geresnes antenų formas ir lengvas erdvėlaivių konstrukcijas nstxl.org. Tikėtina, kad ši tendencija stiprės ir leis greičiau kurti našumą optimizuojančią aparatūrą. Skaitmeniniai dvyniai – virtualios erdvėlaivių ar net Žemės kopijos – taip pat sulaukia daug dėmesio. Tokios įmonės kaip Lockheed Martin ir NVIDIA kuria DI pagrįstus Žemės aplinkos skaitmeninius dvynius, skirtus klimato ir orbitiniams scenarijams modeliuoti nvidianews.nvidia.com developer.nvidia.com. Erdvėlaiviui skaitmeninis dvynys, realiu laiku atnaujinamas telemetrija ir DI analize, gali prognozuoti techninius sutrikimus ar modeliuoti manevrus prieš juos atliekant, taip didinant saugumą. NASA ir ESA investuoja į šias DI pagrįstas simuliacines aplinkas kaip misijų valdymo dalį. Galiausiai, žvelgiant toliau į ateitį, domimasi savaeigiais erdvėlaiviais (visiškai autonominiu misijų vykdymu) ir net savitaisančiais sistemomis, kai DI gali valdyti robotus ar 3D spausdintuvus ir be žmogaus įsikišimo remontuoti erdvėlaivių gedimus. Šių idėjų pagrindai jau matomi (pavyzdžiui, TKS turi 3D spausdintuvus, matėme ir ankstyvus robotų kuro papildymo eksperimentus – pridėjus DI, vieną dieną palydovas galės autonomiškai užlopyti mikrometeoritų skylę savo saulės baterijoje). Tokie gebėjimai ypač svarbūs ilgalaikėse misijose (metais trunkančiose kelionėse ar nuolatinėse mėnulio stotyse), kur autonomija – gyvybiškai svarbi. Visos šios kryptys – nuo projektavimo iki eksploatacijos pabaigos – rodo, kad DI tampa vis neatsiejamesnė kosminių sistemų gyvavimo ciklo dalis.

Apibendrinant galima teigti, kad ateityje DI iš pagalbinio įrankio taps nepakeičiamu kosmoso infrastruktūros pamatu. Turėsime išmanesnius, savarankiškesnius ir geriau bendradarbiaujančius erdvėlaivius, kurie įgalins ambicingus projektus: ilgalaikes mėnulio bazes, pilotuojamas misijas į Marsą ir milžiniškas Žemę aptarnaujančias palydovų konstelacijas – visus juos valdys pažangus DI, kurio vystymą tik pradedame. Kaip teigia viena pramonės ataskaita, „ateitis slypi DI integracijoje su kvantiniu skaičiavimu, sprendžiant sudėtingas problemas ir didinant misijų galimybes taip, kaip šiandien dar neįmanoma“ medium.com. Ateinančiais dešimtmečiais ši prognozė turėtų pasitvirtinti įdomiais būdais.

Pagrindiniai dirbtinio intelekto ir kosminių technologijų dalyviai bei kūrėjai

Plačios ekosistemos organizacijos sparčiai vysto pažangą DI ir kosmoso sankirtoje:

• Nacionalinės kosmoso agentūros: NASA ir ESA vadovauja daugeliui DI ir kosmoso iniciatyvų. NASA Jet Propulsion Laboratory (JPL) ir Ames Research Center istoriškai buvo DI pradininkai kosminių misijų srityje (Remote Agent, Autonomous Sciencecraft, Mars rover autonomija ir kt.). NASA taip pat vykdo Frontier Development Lab (FDL) – partnerystę su akademine bendruomene ir technologijų įmonėmis, taikydama DI kosmoso moksliniams iššūkiams nasa.gov. ESA Φ-lab (Phi Lab) yra skirtas DI ir skaitmeninėms technologijoms, skirtoms Žemės stebėjimui, organizuojant tokias programas kaip Orbital AI Challenge startuoliams esa.int esa.int. Nacionalinės agentūros Europoje (DLR Vokietijoje, CNES Prancūzijoje, ASI Italijoje ir kt.) turi savo projektus – pvz., DLR prisidėjo prie CIMON kūrimo, CNES turi DI laboratoriją, dirbančią su palydovinių vaizdų išnaudojimu ir autonomija, o JK kosmoso agentūra finansuoja DI cubesat eksperimentus. Azijoje JAXA Japonijoje ir ISRO Indijoje tampa vis aktyvesnės: JAXA su Epsilon raketa, DI ir tyrimais apie autonominius zondus, o ISRO tiria DI naudojimą orbitinių šiukšlių stebėjimui ir vaizdų analizei (bei bendradarbiauja su NASA dėl DAGGER geomagnetinių audrų prognozavimo nasa.gov). Kinijos nacionalinė kosmoso administracija (CNSA) ir susiję Kinijos institutai taip pat aktyviai investuoja – naujausios Kinijos misijos (mėnulio roveriai, Marso roveris Zhurong) turi autonomines funkcijas, be to, Kinija paskelbė apie planus kurti „išmaniąją“ mega-konsteliaciją ir netgi DI valdomos saulės energijos stoties kosmose koncepciją. Nors informacijos yra ribotai, Kinijos universitetai ir įmonės (tokios kaip Baidu, kuri, kaip pranešama, dirbo su kosminių laivų DI) yra svarbūs žaidėjai. Esmė: pagrindinės kosmoso agentūros visame pasaulyje pripažįsta DI svarbą ir nukreipia reikšmingus išteklius į MTEP, bandomąsias misijas ir bendradarbiavimą, siekdamos šią sritį vystyti.
• Karinės ir gynybos organizacijos: JAV Space Force ir tokios organizacijos kaip Air Force Research Laboratory (AFRL) bei DARPA yra svarbūs dalyviai. Jau minėtame DARPA Blackjack/Pit Boss projekte dalyvauja rangovai, tokie kaip SEAKR Engineering ir Scientific Systems Company, o DARPA dažnai sudaro sutartis su pirmaujančiais universitetais (Stanfordo SLAB dėl doko AI space.com, MIT ir kt.) dėl pažangiausių tyrimų. JAV Gynybos departamentas sukūrė Joint Artificial Intelligence Center (JAIC), kuris vykdo ir su kosmosu susijusias AI iniciatyvas, o National Geospatial-Intelligence Agency (NGA) investuoja į AI palydovinei žvalgybai (organizuoja konkursus geriausiems kompiuterinės regos algoritmams palydovinėms nuotraukoms analizuoti). Space Enterprise Consortium (SpEC) – OTA sutartinių paslaugų priemonė – finansavo daugybę mažų įmonių, kad skatintų naujoves AI ir kosmoso srityje nstxl.org, o tai rodo DoD požiūrį į netradicinių dalyvių įtraukimą. NATO ir Europos gynybos agentūros taip pat vykdo programas – pvz., JK Defence Science and Technology Lab (DSTL) organizavo „kosmoso AI hakatonus“, Prancūzijos karinė kosminė vadovybė domisi dirbtinio intelekto galimybėmis kosmoso stebėsenai. Šie gynybiniai žaidėjai ne tik finansuoja technologijas, bet ir padeda nustatyti patikimo AI standartus kritinėse sistemose. Jų poreikiai (saugumas, patikimumas) dažnai kelia kartelę tam, ką turi pasiekti AI sistemos.
• Naujasis kosmosas (NewSpace) startuoliai ir technologijų įmonės: Aktyvi startuolių grupė diegia naujoves specifinėse kosmoso dirbtinio intelekto (DI) srityse.
Keletas žymiausių: Planet Labs – dirbtinio intelekto pagrindu veikiančių Žemės stebėjimo sprendimų pradininkas, naudodamas ML kasdien paverčia vaizdus į praktiškai pritaikomas įžvalgas fedgovtoday.com.Orbital Insight ir Descartes Labs – nėra palydovų operatoriai, tačiau jie taiko dirbtinį intelektą geoduomenims (palydoviniai vaizdai, AIS signalai ir kt.), kad suteiktų intelektą (pavyzdžiui, stebėtų pasaulines naftos atsargas analizuodami rezervuarų šešėlius).LeoLabs – valdo antžeminius radarus ir naudoja dirbtinį intelektą, kad sektų objektus Žemės žemojoje orbitoje (LEO) susidūrimų išvengimo paslaugoms nstxl.org.Cognitive Space – teikia dirbtinio intelekto operacijų programinę įrangą palydovų flotilėms (bendradarbiauja su AWS) aws.amazon.com aws.amazon.com.Ubotica Technologies – nedidelė įmonė, kuri tiekė dirbtinio intelekto aparatinę ir programinę įrangą ESA Φ-sat-1 eksperimentui (jų DI platforma su „Intel Movidius“ lustu iš esmės padarė Φ-sat įmanomu).Hypergiant Industries – dirbtinio intelekto įmonė, kuri yra išbandžiusi veiklą kosmose (bendradarbiavo su AFRL kuriant autonominės palydovų žvaigždyno prototipą).Relativity Space – kaip minėta, naudoja dirbtinį intelektą 3D spausdinant raketas nstxl.org.SkyWatch – naudoja dirbtinį intelektą duomenų platformoms, jungiančioms palydovinę vaizdinę medžiagą su klientais.Advanced Navigation – dirba su dirbtiniu intelektu pagrįstais orbitinės navigacijos sprendimais.Kitty Hawk (BlackSky) – naudoja dirbtinį intelektą, kad greitai analizuotų vaizdus iš savo mažųjų palydovų žvaigždyno, teikdama „įžvalgas kaip paslaugą“. Starlink (SpaceX) – nors priklauso SpaceX, verta paminėti, kad Starlink mastelis privertė automatizuoti tinklo valdymą ir susidūrimų vengimą, tikėtina, naudojant dirbtinį intelektą, todėl tai yra didelio masto diegimo pavyzdys.OneWeb ir Kuiper (Amazon) taip pat reikės autonominių sistemų.Palydovų gamintojai tokie kaip Satellogic ir Terran Orbital bendradarbiauja dėl įdiegtos AI (Satellogic aptarė AI lustų įtraukimą, kad būtų galima nustatyti palankių vaizdų taikinius).Taip pat yra daug mažesnių dirbtinio intelekto įmonių, dirbančių su tokiais projektais kaip DI pagrįsti žvaigždžių sekimo įrenginiai (pozicijos nustatymas), DI patobulintas RF signalų apdorojimas palydovams ir net DI naudojimas kuriant kosmines misijas (pvz., Analytical Graphics, Inc.).(AGI, dabar priklausanti Ansys, turi dirbtinio intelekto elementų savo trajektorijų ir kosminės situacijos analizės įrankiuose).Galiausiai, paminėjimo verti universitetai ir mokslinių tyrimų laboratorijos: Stanfordo Space Rendezvous Lab (autonominiam prijungimui) space.com, MIT Space Systems Lab (vykdantys darbus paskirstytos palydovų autonomijos srityje), Caltech (ai nagrinėjimas astronomijoje ir autonomijoje, taip pat Caltech startuoliai Ventures, tokie kaip SCIENTIA, dirbantys su AI kosminių aparatų srityje), Toronto universiteto Space Flight Laboratory ir daugybė kitų visame pasaulyje atlieka tyrimus, kurie yra būsimos taikomos praktikos pagrindas.
• Įsitvirtinusios aerokosminės įmonės: Tradicinės aerokosmoso milžinės, tokios kaip Lockheed Martin, Airbus Defence & Space, Boeing, Northrop Grumman ir Thales Alenia Space, vis dažniau integruoja DI į savo produktus ir paslaugas. Lockheed Martin dirba keliomis kryptimis: turi vidinį DI fabriką, SmartSat architektūrą palydovams ir bendradarbiauja su NVIDIA DI skaitmeninių dublikatų bei Edge Computing srityse nvidianews.nvidia.com developer.nvidia.com. Airbus sukūrė CIMON ir naudoja DI palydovų vaizdų analizei (per savo dukterinę įmonę Airbus Intelligence), be to, tikėtina, kad ateities palydovų platformose diegs autonomiją. Northrop Grumman (kuri pastatė daugelį GEO ryšio palydovų) viešai kalba kiek mažiau, tačiau turi autonominio susijungimo programas (pvz., MEV remonto aparatas su autonominio prijungimo algoritmais) ir greičiausiai dalyvauja gynybos autonominių sistemų projektuose. Thales Alenia yra labai aktyvi: be susidūrimų vengimo DI thalesaleniaspace.com, jie taiko DI palydovinių krovinių optimizavimui ir tyrinėja DI valdomų žvaigždynų galimybes. Šios didelės įmonės dažnai bendradarbiauja su startuoliais ir mokslo institucijomis, kad įsisavintų naujus metodus. Jos taip pat formuoja pramonės standartus, įtraukdamos DI galimybes į naujų palydovų sistemų konkursus (pvz., Žemės stebėjimo palydovo kontraktui dabar gali būti reikalaujamas DI apdorojimas vietoje – įmonės siūlo savo sprendimus). Dar vienas pavyzdys – Raytheon (Raytheon dukterinė įmonė Blue Canyon Technologies gamina platformas DARPA Blackjack programai, kiekvienoje sumontuoti Pit Boss mazgai spacenews.com). Papildomai IBM prisidėjo per Watson DI CIMON projekte ir domisi kosmosu (IBM taip pat bendradarbiavo su DARPA kai kuriuose kosminių DI projektuose). IBM, Google, Microsoft, Amazon – technologijų gigantai – dažniausiai prisideda per partnerystes: teikdami debesijos ar DI pagrindus kosminėms misijoms ir kartais bendradarbiaudami tiesiogiai (Microsoft Azure Orbital, Amazon AWS Ground Station su DI integracija, Google Cloud kartu su NASA FDL ir kt.). Kosmoso ir technologijų sektoriams glaudžiai susiliejant, šios stambios įmonės tampa reikšmingomis DI įrankių tiekėjomis, net jei ir negamina pačių palydovų.

Iš esmės tai įvairialypis tinklas: kosmoso agentūros nustato didelius misijų tikslus ir finansuoja MTEP, gynyba užtikrina postūmį ir finansavimą aukštos rizikos taikymams, įsitvirtinusios aerokosmoso bendrovės teikia įgyvendinimo patirtį bei sistemų žinias, o lankstūs startuoliai įneša inovatyvių sprendimų ir skatina atskirų sričių pažangą. Bendradarbiavimas yra įprastas reiškinys – pvz., NASA ar ESA bendradarbiauja su startuoliais dėl krovinio, o stambios pagrindinės įmonės įsigyja dirbtinio intelekto startuolius, kad sustiprintų savo pajėgumus. Taip pat matome tarpsektorinius bendradarbiavimus, tokius kaip Lockheed Martin + NVIDIA Žemės skaitmeniniams dvyniams nvidianews.nvidia.com, ar IBM + Airbus + DLR dėl CIMON airbus.com. Tokia ekosistemos prieiga spartina pažangą, užtikrina, kad komercinio DI patobulinimai (pvz., geresnis kompiuterinis matymas) greitai atsidurtų kosmoso taikymuose, ir atvirkščiai – kosmoso iššūkiai skatina naujus DI tyrimus (pvz., kaip padaryti DI atsparų radiacijai ar labai retai duomenų srautams). Kosmosui tampant vis labiau demokratizuotam, galime netgi sulaukti atvirojo kodo DI kosminės programinės įrangos bendruomenių – pirmieji bandymai egzistuoja GitHub platformoje, skirti cubesat autonomijai.

Visų šių veikėjų bendros pastangos greitai kuria pažangą DI srityje kosmose, paversdamos tai, kas anksčiau buvo mokslinė fantastika, į veikiančią realybę. Tęsiantis bendradarbiavimui ir inovacijoms, tikėtina, kad per kitą dešimtmetį matysime dar didesnį šuolį – DI autonomija taps įprasta daugumoje kosminių misijų.

Išvada

Dirbtinio intelekto ir palydovinių bei kosminių sistemų sintezė atveria naują erą kosmoso tyrinėjimo ir panaudojimo galimybėms. DI leidžia palydovams matyti ir mąstyti orbitoje – analizuoti vaizdus, valdyti sudėtingas konstelacijas ir vengti pavojų beveik be žmogaus įsikišimo. Į kitus pasaulius vykstantys kosminiai laivai tampa vis labiau savrankiški, naudodami DI navigacijai, moksliniams tyrimams ir net savarankiškam remontui toli nuo Žemės. Žemėje DI padeda kosmoso agentūroms ir įmonėms valdyti milžinišką mastą ir sudėtingumą šiuolaikinėse kosmoso operacijose – nuo megakonsteliacijų iki petabaitų masto duomenų analizės.

Šioje ataskaitoje detaliai aprašyta, kaip DI taikomas įvairiose srityse (nuo Žemės stebėjimo iki kosminių laivų autonomijos), aptarti jo vystymosi etapai per pastaruosius dešimtmečius, bei apžvelgtos dabartinės diegimo praktikos civiliniuose, komerciniuose ir gynybos sektoriuose. Taip pat aptartos technologinės sudedamosios dalys, kurios tai įgalina – nuo specializuotos aparatinės įrangos iki pažangių algoritmų – bei esminė nauda (sprendimų priėmimas realiuoju laiku, efektyvumas, mastelio didinimas), kurią DI suteikia kosmoso sistemoms. Tuo pat metu, DI diegimas kosmose kelia iššūkius, kuriuos būtina kruopščiai valdyti: riboti skaičiavimo ištekliai, sudėtinga aplinka, būtinybė visiškai pasitikėti autonominiais sprendimais. Šių problemų sprendimas yra nuolatinio mokslinio tyrimo ir inžinerijos objektas, o pažanga nuosekliai vyksta.

Žvelgiant į priekį, dirbtinio intelekto vaidmuo kosmose tik augs. Ateities misijos greičiausiai bus neįmanomos be DI, nesvarbu, ar reikia koordinuoti tūkstančius palydovų, kad būtų užtikrintas pasaulinis internetas, ar naviguoti zondą per Encelado ledo geizerius. DI veiks kaip intelektualus bendra-tyrinėtojas – toks, kuris gali atrasti, prisitaikyti ir optimizuoti kartu su žmogaus tyrinėtojais. Kylančios technologijos, tokios kaip kvantinė kompiuterija, žada dar labiau sustiprinti DI galimybes kosmose, sprendžiant anksčiau neįveikiamas problemas. Galime tikėtis sumanesnių erdvėlaivių, bendradarbiaujančių spiečiais, autonomiškai save prižiūrinčių robotizuotų bazių Mėnulyje ir Marse bei mokslinių prietaisų, veikiančių kaip DI tyrinėtojai, kurie interpretuoja duomenis realiu laiku ir ieško nežinomybės.

Apibendrinant, dirbtinis intelektas sparčiai tampa pagrindiniu kosmoso inovacijų akmeniu. DI ir kosmoso technologijų partnerystė leidžia mums visiškai naujais būdais spręsti kosmoso didybę ir sudėtingumą. Kaip vienas NASA tyrėjas pasakė, su DI rate, mes paverčiame kosmoso misijas „iš nuotoliniu būdu valdomų į savaeigės“ – didindami jų greitį, lankstumą ir ambicijas jpl.nasa.gov nasa.gov. Šių sričių tęstinis suartėjimas išplės žmonijos galimybių ribas kosmose, padarydamas mokslinę fantastiką operacine realybe. Kosmoso tyrinėjimų ir palydovinių paslaugų ateitis bus kuriama sumanių sistemų pagrindu, kurios suteiks galimybę mums keliauti toliau, veikti greičiau ir sužinoti daugiau nei kada nors anksčiau. Tai jaudinanti trajektorija, kurioje kiekvienas DI proveržis stumia mus giliau į Galutinę Ribą, suteikdamas įrankių ją suprasti ir naviguoti taip, kaip niekada anksčiau.

Šaltiniai: Šioje ataskaitoje pateikta informacija remiasi daugybe naujausių šaltinių, įskaitant oficialius kosmoso agentūrų (NASA, ESA, JAXA) leidinius, pramonės naujienas (SpaceNews, Airbus ir Thales pranešimus spaudai) bei mokslinių tyrimų atvejų analizes. Reikšmingos nuorodos apima NASA pranešimus apie dirbtinį intelektą (DI) saulės audrų prognozavimui nasa.gov nasa.gov, ESA dokumentaciją apie Φsat eksperimentines misijas esa.int esa.int, išsamią informaciją apie Marso klajūnų autonomiją iš JPL nasa.gov, Thales Alenia ataskaitą apie DI naudojimą susidūrimų orbitoje prevencijai thalesaleniaspace.com ir NOAA/ASRC Federal įžvalgas apie DI naudojimą palydovų sveikatos stebėsenai GOES-R projekte asrcfederal.com asrcfederal.com. Šie bei kiti paminėti šaltiniai pateikia faktinį pagrindą aprašomoms galimybėms ir tendencijoms, atspindinčioms dabartinę dirbtinio intelekto ir kosmoso sistemų sąveikos būklę 2024–2025 m. Ši sritis sparčiai keičiasi, tačiau cituojami pavyzdžiai atskleidžia svarbiausius šiandienos pasiekimus dirbtinio intelekto ir kosmoso sistemų sankirtoje.