ИИ на борту спутника открыл новую эпоху автономного анализа космических снимков
Впервые в истории науки спутник смог самостоятельно идентифицировать и описывать объекты, которые он фиксирует на орбите, без необходимости передачи данных на Землю для последующего анализа. Речь идет о спутнике YAM-9, который использует встроенную систему искусственного интеллекта для обработки изображений непосредственно в космосе.
Традиционный подход к спутниковой съёмке предполагает создание больших массивов изображений, которые затем передаются на Землю, где их анализируют операторы и алгоритмы. Однако этот процесс постепенно становится узким местом из-за растущих объёмов данных, ограниченной пропускной способности каналов связи и высокой энергозатратности обработки информации на наземных серверах.
Новая система под названием NAVI-Orbital, разработанная исследователями NASA Jet Propulsion Laboratory совместно с технологической компанией Loft Orbital, меняет этот подход. Вместо того чтобы загружать сложные команды и программные обновления для каждой новой задачи, спутнику можно отправлять обычные текстовые запросы, аналогичные тем, которые используются в современных ИИ-ассистентах.
В рамках демонстрации возможностей система позволяла давать спутнику команды вроде «найди все железнодорожные узлы в этой стране», после чего он самостоятельно анализировал изображения и выделял соответствующие объекты. Разработчики отмечают, что такой подход значительно сокращает время перенастройки спутника и расширяет круг специалистов, которые могут формулировать задачи, поскольку больше не требуется знание сложных командных последовательностей.
Технической основой системы стала компактная модель Google DeepMind Gemma 3, относящаяся к классу облегчённых языково-визуальных моделей, способных работать даже на устройствах с ограниченными вычислительными ресурсами. В данном случае модель интегрирована непосредственно в спутниковую платформу, что позволяет выполнять анализ изображений без передачи данных на Землю.
Система работает на основе многоагентной архитектуры, в которой несколько специализированных программных модулей распределяют задачи между собой. Один отвечает за координацию процессов, другой за анализ и классификацию изображений, а третий обеспечивает диалоговое взаимодействие с операторами, позволяя им задавать вопросы и получать интерпретацию результатов.
По данным исследователей, в наземных испытаниях система показала способность корректно классифицировать около 7960 изображений с точностью 88,2 процента, относя их к различным категориям, включая жилые районы, пляжи, сельскохозяйственные зоны и горные территории. В космосе пока проведено лишь два тестовых сеанса съёмки, однако разработчики планируют расширять эксперименты.
В перспективе подобные технологии могут выйти далеко за пределы околоземной орбиты. Исследователи рассматривают возможность применения аналогичных систем на луноходах и марсоходах, где оперативный анализ данных особенно важен из-за задержек связи и ограниченных ресурсов.
Разработчики подчёркивают, что подобный подход позволяет превратить спутник в своеобразного интеллектуального помощника, способного самостоятельно интерпретировать происходящее и передавать на Землю только значимые события, например признаки наводнений, лесных пожаров или необычной активности в определённых регионах.
При этом специалисты признают, что технология вызывает и вопросы, связанные с точностью, надёжностью и потенциальными рисками. В частности, пока не изучено поведение системы при попытках намеренного искажения запросов, а также возможные последствия ошибок интерпретации данных.
Несмотря на это, разработчики уверены, что подобные системы станут основой будущих спутниковых сетей, способных работать в режиме непрерывного наблюдения и анализа Земли в реальном времени, формируя глобальную сеть интеллектуальных наблюдательных аппаратов.
Вместе с тем эксперты отмечают, что широкое внедрение подобных технологий может вызвать и этические вопросы, связанные с масштабами возможного наблюдения и использованием данных в гражданских, коммерческих и оборонных целях.
Исследование в виде препринта на сервере arXiv.