3 dni temu
15
Przełomowa technologia o nazwie Dynamic Targeting została przetestowana przez NASA’s Jet Propulsion Laboratory (JPL) w pierwszej połowie lutego. Zainstalowano ją na pokładzie satelity wielkości walizki, zbudowanego i obsługiwanego przez brytyjski startup Open Cosmos, który wyposażono w procesor uczenia maszynowego opracowany przez dublińską firmę Ubotica.
Jak działa kosmiczne AI w praktyce?
Sposób działania systemu okazał się imponująco prosty i skuteczny. Satelita przechylił się do przodu, aby zeskanować przestrzeń 500 km przed swoją orbitą i wykonał podglądowe zdjęcie. AI Ubotica błyskawicznie przeanalizowało scenę, sprawdzając pokrycie chmur. Jeśli niebo było czyste, satelita przechylił się z powrotem i zrobił szczegółowe zdjęcie powierzchni. Gdy chmury zasłaniały widok – po prostu pominął ujęcie.
“Jeśli możesz być sprytny w kwestii tego, co fotografujesz, wtedy robisz zdjęcia tylko ziemi i pomijasz chmury” – wyjaśnił Ben Smith z JPL, które finansuje prace nad Dynamic Targeting. “Ta technologia pomoże naukowcom uzyskać znacznie wyższy odsetek użytecznych danych.”
Koniec z zalewem bezużytecznych zdjęć
Problem, który rozwiązuje nowa technologia, jest znacznie większy, niż może się wydawać. Dotychczas satelity działały jak pasywne zbieracze danych – fotografowały wszystko, co znalazło się pod nimi, i przesyłały całość na Ziemię, niezależnie od użyteczności materiału. Naukowcy musieli później przebrnąć przez góry zbędnych ujęć.
“Wymagało to post-processingu, który mógł nastąpić dopiero po dniach, żeby stwierdzić: ‘Hej, był tam pożar. Hej, był tam szkodliwy zakwit alg’” – tłumaczył Brian Quinn, dyrektor strategiczny w Ubotica, w artykule opublikowanym na stronie NASA.
Sztuczna inteligencja na straży katastrof
NASA, Ubotica i Open Cosmos widzą jeszcze większy potencjał systemu. Technologia może zostać rozszerzona o wykrywanie pożarów lasów, erupcji wulkanów czy gwałtownych burz – i to szybciej niż kiedykolwiek wcześniej. Zespół JPL opracował już dedykowane algorytmy dla każdego z tych zastosowań.
Steve Chien, główny badacz projektu Dynamic Targeting w JPL, wyjaśnia wizję: “Chcemy sprawić, żeby satelita zachowywał się bardziej jak człowiek: zamiast tylko widzieć dane, ma myśleć o tym, co te dane pokazują i jak reagować“.
Kolejne testy przewidują odwrócenie scenariusza – zamiast unikać chmur, Dynamic Targeting będzie je wyszukiwać, identyfikując gwałtowne burze i systemy pogodowe w czasie rzeczywistym. Inne algorytmy pozwolą wykrywać anomalie termiczne, takie jak pożary lasów czy erupcje wulkanów.
Europejska konkurencja nie śpi
To nie pierwszy sukces tego trio, ale NASA ma poważną konkurencję. W sierpniu 2024 roku Europejska Agencja Kosmiczna wystrzeliła Φsat-2 – satelitę demonstrującego transformacyjny potencjał AI w obserwacji Ziemi. Φsat-2, zbudowany również przez Open Cosmos, wyposażono w sześć aplikacji AI działających na pokładzie.
W 2021 roku Ubotica zademonstrowała działanie AI w czasie rzeczywistym na Międzynarodowej Stacji Kosmicznej (ISS) w ramach współpracy z JPL. Rok później firma, wraz z Open Cosmos, wystrzeliła satelitę CogniSAT-6/HAMMER z kamerą hiperspektralną, który już w lipcu 2024 roku zidentyfikował 142 statki w porcie Khor Fakkan w Zjednoczonych Emiratach Arabskich w ciągu kilku minut po przechwyceniu obrazu hiperspektralnego obszaru o powierzchni 1000 km2.
Federated Autonomous Measurement – kolejna rewolucja
NASA planuje jeszcze ambitniejszy projekt o nazwie Federated Autonomous Measurement. W tym scenariuszu wiodący satelita mógłby analizować obrazy i komunikować instrukcje targetowania do podążających za nim satelitów, pozwalając całej konstelacji współpracować przy skupieniu się na konkretnych zjawiskach.
Czytaj też: NASA obserwuje upiorny kształt na naszej gwieździe. Słoneczny smok utrzymywał się przez kilka dni
Najnowszy test pokazuje, że przyszłość obserwacji Ziemi z kosmosu będzie znacznie bardziej inteligentna. Zamiast bombardować nas terabajtami przypadkowych danych, satelity zaczną myśleć i podejmować decyzje. Czy to oznacza koniec ery “kosmicznego spamu”? Wszystko na to wskazuje.
English (US) · 
Polish (PL) ·