NASA testuje sztuczną inteligencję, by satelity obserwacyjne Ziemi były „inteligentniejsze”

Satelity obserwacyjne Ziemi, wyposażone w instrumenty optyczne, często napotykają na problem zachmurzenia, które przesłania powierzchnię planety, uniemożliwiając uzyskanie użytecznych danych. Centrum Badawcze Jet Propulsion Laboratory (JPL) w NASA odpowiada na to wyzwanie, testując technologię nazwaną Dynamic Targeting. Ma ona pozwolić satelitom autonomicznie decydować, które obszary obserwować, i dostosowywać celowanie instrumentów w ciągu zaledwie kilku sekund, bez ingerencji człowieka.

Dynamic Targeting to system bazujący na sztucznej inteligencji, która pozwala statkom kosmicznym nie tylko zbierać dane, ale także analizować je i reagować na bieżąco. Steve Chien, główny badacz projektu Dynamic Targeting w JPL, porównuje to do ludzkiej zdolności interpretacji obrazu: „Zamiast po prostu widzieć dane, satelita myśli o tym, co dane pokazują i jak zareagować. Kiedy człowiek widzi płonące drzewa, rozumie, że to może być pożar, a nie tylko zbiór czerwonych i pomarańczowych pikseli. Próbujemy sprawić, aby statek kosmiczny mógł powiedzieć: 'To jest pożar’ i skoncentrować swoje czujniki na ogniu”.

Inteligentne unikanie chmur to dopiero początek

Od ponad dekady system Dynamic Targeting jest rozwijany w JPL. Pierwsza seria testów w locie odbyła się w połowie lipca na pokładzie komercyjnego satelity CogniSAT-6 – CubeSata wielkości walizki. Głównym celem wstępnych testów było sprawdzenie zdolności systemu do inteligentnego unikania chmur. Satelity obserwacyjne, działające z optycznymi sensorami, do dwóch trzecich czasu napotykają na zachmurzenie, co blokuje widok na powierzchnię Ziemi. Technologia Dynamic Targeting, wykorzystując czujnik wyprzedający zdolny do patrzenia 500 kilometrów naprzód, jest w stanie odróżnić chmury od bezchmurnego nieba.

Jeśli scena jest czysta, satelita wykonuje zdjęcia powierzchni, a w przypadku zachmurzenia, operacja jest anulowana, co pozwala zaoszczędzić miejsce na przechowywanie danych dla kolejnych, bardziej wartościowych celów. Cały proces, od przechwycenia obrazu przez czujnik wyprzedzający po wykonanie zdjęcia docelowego, zajmuje od 60 do 90 sekund. Ben Smith z JPL podkreśla: „Jeśli potrafisz być inteligentny w kwestii tego, co fotografujesz, robisz zdjęcia tylko powierzchni i pomijasz chmury. W ten sposób nie przechowujesz, nie przetwarzasz i nie pobierasz wszystkich tych obrazów, których naukowcy naprawdę nie mogą użyć. Ta technologia pomoże naukowcom uzyskać znacznie większy odsetek użytecznych danych”.

Dalsze możliwości i przyszłe zastosowania

Obecnie, kiedy zdolność unikania chmur została potwierdzona, NASA planuje kolejne testy, które skupią się na bardziej zaawansowanych zastosowaniach. Następnym krokiem będzie celowanie w burze i trudne warunki pogodowe, co jest ironicznym odwróceniem pierwotnego zadania – zamiast unikać chmur, system będzie je aktywnie śledził i analizował. Dalsze testy obejmą poszukiwanie anomalii termicznych, takich jak pożary lasów czy erupcje wulkanów, dla których zespół JPL opracował specjalne algorytmy.

Docelowo Dynamic Targeting ma znaleźć zastosowanie operacyjne w misjach naukowych, umożliwiając instrumentom niezwykle dynamiczne i precyzyjne pomiary. Wizje sięgają poza obserwacje Ziemi – technologia mogłaby być wykorzystana w statkach kosmicznych eksplorujących inne części Układu Słonecznego, inspirując się pracami JPL nad kometą 67P/Czuriumow-Gierasimienko, gdzie algorytmy AI poszukiwały pióropuszy gazów i pyłów.

Na Ziemi, adaptacja Dynamic Targeting do pracy z radarem mogłaby umożliwić badanie rzadkich i krótkotrwałych zjawisk, takich jak gwałtowne zimowe burze konwekcyjne. System mógłby również działać w koordynacji z flotą satelitów, gdzie dane z wiodącego satelity byłyby szybko przekazywane kolejnym jednostkom, tworząc kompleksową sieć obserwacyjną. Steve Chien zamierza przetestować ten koncept, nazwany Federated Autonomous Measurement, jeszcze w tym roku.