Ученые из Университета Аделаиды в партнерстве с австралийским центром SmartSat CRC впервые в истории осуществили запуск фундаментальной геопространственной нейросети непосредственно в космосе. Речь идет о платформе Prithvi, разработанной усилиями NASA и IBM для всестороннего анализа снимков земной поверхности.
Оптимизированную версию данной модели интегрировали сразу в два орбитальных комплекса: австралийский космический аппарат Kanyini и платформу IMAGIN-e от Thales Alenia Space, размещенную на борту МКС. Целью эксперимента стала проверка способности нейросети самостоятельно распознавать облачность и зоны затопления в режиме реального времени, исключая необходимость трансляции огромных объемов «сырых» данных на наземные станции.
Prithvi стала пионером среди нейросетевых архитектур фундаментального типа, прошедших проверку в реальных космических условиях. Будучи «тяжелой» моделью, предварительно обученной на колоссальных массивах неструктурированной информации, она способна самостоятельно вычленять сложные паттерны, а затем донастраиваться под специфические задачи с помощью компактных размеченных выборок.
Обучение Prithvi велось на основе 13-летнего архива наблюдений, собранного спутниками Landsat (NASA) и Sentinel-2 (ЕКА). Столь масштабная база знаний позволяет системе эффективно справляться с широчайшим спектром задач — от оценки продуктивности аграрных угодий до оперативного картографирования последствий природных катастроф.
Ведущий проекта Эндрю Ду из Университета Аделаиды и SmartSat CRC подчеркнул критическую важность открытого исходного кода Prithvi для успеха миссии. По его словам, разработка подобного решения с «нуля» потребовала бы колоссальных временных и вычислительных затрат, тогда как использование наработок NASA и IBM позволило в кратчайшие сроки адаптировать сложный ИИ для работы на орбитальных мощностях.
В NASA отмечают, что успешная эксплуатация Prithvi знаменует переход к новой парадигме обработки космических данных. Современные системы дистанционного зондирования Земли генерируют колоссальные потоки информации, передача которых на Землю ограничена пропускной способностью каналов связи, что вынуждает инженеров использовать лишь узкоспециализированные и примитивные алгоритмы.
Фундаментальные модели в корне меняют этот подход. Вместо переустановки громоздкого ПО под конкретные нужды, исследователи могут загружать лишь компактные модули адаптации, которые дообучают уже развернутую архитектуру. Это радикально снижает нагрузку на каналы передачи данных и придает орбитальным системам принципиально новый уровень гибкости.
Кевин Мёрфи, главный специалист NASA по работе с данными, отметил, что именно для достижения таких технологических прорывов агентство придерживается политики открытого доступа к своим разработкам, что стимулирует научно-технический прогресс в глобальном масштабе.
Перспективы использования подобных нейросетей выходят далеко за рамки анализа снимков. Эксперты прогнозируют, что в будущем взаимодействие со спутниками может стать диалоговым: операторы смогут буквально общаться с ИИ-системами аппаратов, запрашивая аналитические сводки или данные о техническом состоянии узлов.
Команда NASA продолжает расширять линейку специализированных ИИ-инструментов. Так, в 2025 году была представлена модель Surya для гелиофизических исследований, а в ближайших планах агентства — создание аналогичных фундаментов для астрофизики, биологии и изучения планет Солнечной системы.
Источник: iXBT
_large.jpg "В Китай контрабандным путем поставлялись новейшие процессоры Nvidia")
_large.jpg "Tesla нанимает новичков для обучения автопилота и робота Optimus")
