هوش مصنوعی در فضا؛ ماهواره جدید میتواند خودش تصاویرش را تحلیل کند
ماهوارهها در شیوهی رایج تصویربرداری ماهوارهای، حجم عظیمی از تصاویر را ثبت و به زمین ارسال میکنند تا توسط اپراتورهای انسانی و الگوریتمهای موجود بررسی شوند. این روش تاکنون عملکرد موفقی داشته است، اما اکنون زمان پردازش، پهنای باند ارتباطی و انرژی موردنیاز برای انتقال دادهها به گلوگاههای اصلی تبدیل شدهاند. ماهوارههای امروزی دادههای تصویری بسیار بیشتری از آنچه پژوهشگران فرصت بررسیاش را داشته باشند، ثبت میکنند.
به گزارش ساینسآلرت، ماهوارهی یام ۹ (YAM-9) اکنون رویکرد متفاوتی را به نمایش گذاشته است. این ماهواره توانسته بدون نیاز به ارتباط دوباره با مرکز کنترل زمینی، عناصر و محتوای موجود در تصاویر خود را شناسایی و توصیف کند. علاوهبراین، میتوان با دستورهایی به زبان طبیعی، مشابه آنچه برای گوگل جمنای یا سیری توصیف میکنید، آن را هدایت کرد؛ برای مثال: «تمام مسیرهای راهآهن این کشور را پیدا کن.»
قابلیت مذکور با استفاده از برنامهای به نام NAVI-Orbital محقق شده است؛ سامانهای که پژوهشگران آزمایشگاه پیشرانش جت ناسا (JPL) با همکاری استارتاپ لافت اوربیتال توسعه دادهاند. پژوهشگران در مقالهی پیشانتشار خود که هنوز فرایند داوری همتا را پشت سر نگذاشته است، مینویسند:
در گذشته، اگر قرار بود ماهواره بتواند نوع جدیدی از عوارض یا اهداف را شناسایی کند، لازم بود توالی فرمانهای تازه نوشته شود، نرمافزار روی ماهواره دوباره اعتبارسنجی شود و نسخههای باینری جدید بارگذاری شوند. در رویکرد NAVI-Orbital، تغییر وظیفهی ماهواره تنها با ویرایش و بارگذاری یک پرامپت جدید انجام میشود.
در اغلب چتباتهای هوش مصنوعی مانند کلود یا چتجیپیتی، درخواستهای کاربر به مراکز دادهی پرمصرف ارسال و پردازش میشود و سپس پاسخ به کاربر بازمیگردد. اما وقتی مدل هوش مصنوعی روی خود دستگاه اجرا شود، پردازش بدون رفتوبرگشت به مرکز داده انجام میشود و سرعت بیشتری خواهد داشت. در مورد ماهوارهها نیز این موضوع به کاهش نیاز به ارتباط با ایستگاههای زمینی منجر میشود.
سارا پرستون، مدیر ارشد بازاریابی لافت اوربیتال، میگوید: «معمولاً کاربر باید از طریق یک رابط برنامهنویسی (API) برای ماهواره وظیفه تعریف کند، منتظر تصویربرداری و ارسال دادهها به زمین بماند و سپس تصاویر را با استفاده از الگوریتمی از پیش آموزشدیده روی زمین تحلیل کند. این سرویس هوش مصنوعی محتوای تصویر را تشخیص میدهد و هرآنچه تحلیلگر نیاز دارد، مانند پلها، بزرگراهها، دریاچهها یا رودخانهها، یا حتی نشانههای بلایای طبیعی مانند سیل و آتشسوزیهای جنگلی را شناسایی میکند.»
مدل هوش مصنوعی نصبشده روی ماهواره، Gemma 3 از دیپمایند گوگل است
مدل هوش مصنوعی نصبشده روی ماهواره، جما ۳ (Gemma 3) از دیپمایند گوگل است؛ خانوادهای از مدلهای سبک که حتی روی لپتاپ نیز اجرا میشوند. این مدل از نوع بینایی زبانی است؛ یعنی بهطور همزمان متن و تصویر را پردازش میکند. جما ۳ میتواند روی ماهوارههای کوچک نیز اجرا شود که محدودیتهای شدیدی از نظر ابعاد فیزیکی، مصرف انرژی و توان پردازشی دارند.
پژوهشگران توضیح میدهند که فرایند توسط معماری چندعاملی مدیریت میشود که از سه عامل مستقل تشکیل شده است و هر عامل خروجی را به عامل بعدی منتقل میکند:
- اول عامل هماهنگکننده که اجرای فرایند را مدیریت میکند.
- دوم عامل آشکارساز که تصاویر را تحلیل، دستهبندی و خلاصه میکند.
- سوم عامل گفتوگو که به اپراتورها امکان میدهد دربارهی نتایج پرسش کنند.
به بیان دیگر، تکنسینها بهجای برنامهنویسی جداگانه برای هر مأموریت، میتوانند مستقیماً از نرمافزار ماهواره سؤال بپرسند. پژوهشگران میگویند: «این طراحی باعث میشود NAVI-Orbital بدون نیاز به توسعهی دوباره از ابتدا، برای مأموریتهای مختلف استفاده شود.»
سامانه بهطور کلی در آزمایشهای پایهی زمینی، توانست محتوای حدود ۷٬۹۶۰ تصویر را با دقت ۸۸٫۲ درصد تشخیص دهد و آنها را در دستههایی مانند مناطق مسکونی، ساحل، اراضی کشاورزی و کوهستان طبقهبندی کند. البته، سامانه تاکنون تنها دو تصویربرداری عملیاتی در مدار انجام داده و به آزمایشهای بیشتری نیاز دارد.
- «ماهواره مجازی» گوگل، درواقع یک مدل هوش مصنوعی است!09 مرداد 04مطالعه '1
- برای اولینبار در تاریخ؛ یک مدل هوش مصنوعی در فضا تعلیم داده شد19 آذر 04مطالعه '2
- طرح استقرار یک میلیون ماهواره هوش مصنوعی در مدار زمین چگونه انجام میشود؟22 خرداد 05مطالعه '3
به گفتهی پژوهشگران، این فناوری میتواند در آینده کاربردهایی فراتر از مدار پایین زمین داشته باشد. رویکرد ساده و سریع مبتنی بر «پرامپت و تحلیل» میتواند در مأموریتهای رباتهای کاوشگر ماه و مریخ نیز مورد استفاده قرار گیرد. خوان دلفا ویکتوریا، مهندس ارشد سامانه، میگوید: «ما در نظر میگیریم که فضانوردان لباسهای فضایی تحتفشار بر تن دارند و تعامل با رایانه برای آنها کار سادهای نیست. بنابراین، چرا مثل چیزی که در بازیهای ویدئویی یا فیلمها میبینیم، دستیار تعاملی در اختیارشان قرار ندهیم؟»
پژوهشگران میگویند با استقرار حدود ۱۰۰ ماهواره مشابه یام ۹، میتوان پوشش تقریباً پیوستهای از سراسر زمین ایجاد کرد و لافت اوربیتال نیز قصد دارد این خدمات را ارائه دهد. پرستون میگوید: «در چشمانداز آینده، ماهوارهها با همکاری یکدیگر و با کمک اکوسیستمی از عاملهای هوش مصنوعی، پایش پیوسته و بلادرنگ سراسر جهان را امکانپذیر کنند.»
در صورت گسترش فناوری مذکور، در بسیاری از موارد دیگر نیازی نیست که تصاویر ماهوارهای برای تشخیص محتوا به زمین ارسال شوند. چنین قابلیتی میتواند از ردیابی دود آتشسوزیهای جنگلی گرفته تا پایش فعالیتهای غیرعادی در بنادر یا مرزها را فوراً امکانپذیر کند. البته، این موضوع از نظر گسترش تواناییهای نظارتی نیز نگرانیهایی به همراه دارد.
سامانه هنوز از نظر دقت و قابلیت اتکا جای پیشرفت دارد
پرستون در ادامه افزود: «شرکت در حال توسعهی قابلیتها برای پشتیبانی از مأموریتهایی است که به تصمیمگیری سریع در محل نیاز دارند؛ چه در کاربردهای غیرنظامی، چه تجاری و چه دفاعی. هدف این است که ماهوارهها مانند دیدهبان دائمی عمل کنند. برای مثال، درخواست شود که ساحلی را از نظر نشت نفت زیر نظر بگیرد یا ساختوسازهای جدید در نزدیکی مرز را شناسایی کند. ماهواره چیزی را که میبیند، ارزیابی میکند و تنها زمانی گزارش میدهد که یافتهها با معیارهای تعیینشده مطابقت داشته باشد.»
بااینحال، سامانه هنوز از نظر دقت و قابلیت اتکا جای پیشرفت دارد و پرسشهای مهمی نیز دربارهی واگذاری تفسیر تصاویر حساس به هوش مصنوعی مطرح است. همچنین، پژوهشگران بررسی نکردهاند که ورود «پرامپتهای مخرب» چه تأثیری بر عملکرد سامانه خواهد داشت. با وجود چالشها، پژوهشگران معتقدند چنین فناوریهایی بهزودی به بخشی از استاندارد صنعت فضایی تبدیل خواهند شد.
گزارش کامل پژوهش در پایگاه داده آرکایو منتشر شده است.
