Исследователи из Университета Аделаиды совместно с австралийским центром SmartSat CRC впервые в истории развернули на орбите геопространственную ИИ-модель фундаментального уровня. Речь идет о системе Prithvi Geospatial, разработанной NASA и IBM для анализа спутниковых снимков нашей планеты.
Упрощенная версия нейросети была загружена на две орбитальные платформы: австралийский спутник Kanyini и модуль IMAGIN-e от компании Thales Alenia Space, установленный на борту МКС. Целью эксперимента была проверка эффективности алгоритмов при обнаружении облаков и признаков наводнений непосредственно в космосе, что исключает необходимость передачи огромных массивов сырых данных на наземные станции.
Prithvi стала первой фундаментальной ИИ-моделью в своем классе, которая прошла успешные испытания в реальных условиях орбитального полета. Это массивная нейросеть, обученная на огромных объемах необработанных данных. Подобные архитектуры способны самостоятельно выявлять сложные закономерности, после чего их можно дообучать под специфические нужды с помощью минимальных наборов размеченной информации.
В основе Prithvi лежит архив спутниковых наблюдений, накопленный за 13 лет. При обучении использовались комбинированные данные спутников Landsat (NASA) и Sentinel-2 (Европейское космическое агентство). Благодаря этому система универсальна: она подходит для широкого спектра задач, от мониторинга природных катастроф и картирования зон затопления до оценки состояния сельскохозяйственных культур.
Эндрю Ду, ведущий инженер SmartSat CRC и исследователь Университета Аделаиды, подчеркнул, что открытый исходный код Prithvi стал решающим фактором успеха. Создание столь сложной модели с нуля потребовало бы колоссальных затрат ресурсов, тогда как открытость разработок NASA и IBM позволила ученым оперативно адаптировать готовое решение для космических нужд.
В NASA отмечают, что этот запуск знаменует переход к принципиально новому подходу в работе со спутниковой информацией. Современные аппараты генерируют терабайты данных, но пропускная способность каналов связи сильно ограничена. Ранее инженерам приходилось полагаться на узкоспециализированные алгоритмы с жесткой логикой.
Применение фундаментальных моделей меняет правила игры. Вместо загрузки нового ПО под каждую задачу исследователям достаточно отправить на спутник «легкий» адаптивный модуль, который настроит существующую нейросетевую архитектуру под нужный контекст. Это кардинально снижает нагрузку на системы передачи данных и повышает гибкость всей орбитальной инфраструктуры.
Кевин Мёрфи, главный научный директор по данным NASA, уверен, что именно для таких сценариев агентство придерживается политики открытости в отношении своих ИИ-решений. По его словам, доступ к подобным инструментам стимулирует темпы научных открытий во всем мире.
В перспективе такие модели могут использоваться не только для анализа изображений, но и для управления космическими аппаратами. Исследователи допускают, что в будущем операторы смогут «общаться» со спутниками, задавая запросы о состоянии бортовых систем или результатах наблюдений в естественном виде.
На данный момент команда NASA продолжает расширять линейку инструментов. В 2025 году была представлена специализированная модель Surya для изучения Солнца, а в планы агентства входит создание аналогичных фундаментальных систем для астрофизики, планетологии и биологических исследований.
