Консорциум исследователей из Университета Аделаиды, Европейского космического агентства (ESA), компании Thales Alenia Space и австралийского Центра кооперативных исследований SmartSat успешно протестировал на орбите открытую геопространственную ИИ-модель Prithvi. Нейросеть, разработанная совместно NASA и IBM, стала первой в истории большой моделью, запущенной непосредственно в космосе. Она обучалась на массивах данных дистанционного зондирования Земли (ДЗЗ) и способна решать широкий спектр прикладных задач — от мониторинга стихийных бедствий до прогнозирования урожайности.
Для эксперимента учёные загрузили оптимизированную и сжатую версию Prithvi на два независимых космических объекта с разными вычислительными средами: на южноавстралийский государственный спутник Kanyini и на тестовый комплекс IMAGIN-e компании Thales Alenia Space, смонтированный на борту МКС. На обеих платформах нейросеть показала высокую эффективность в оперативном распознавании зон наводнений и плотности облачного покрова.
Выбор пал на Prithvi благодаря её высокой способности к генерализации (универсальности при переходе от одной задачи к другой), а также из-за её доступности по лицензии open source. Как отметил руководитель проекта доктор Эндрю Ду (Andrew Du) из Университета Аделаиды, если бы модель не находилась в открытом доступе, то команде пришлось бы тратить годы на обучение собственной базовой архитектуры с нуля. Директор по научным данным штаб-квартиры NASA Кевин Мёрфи (Kevin Murphy) подчеркнул, что этот успех наглядно доказывает пользу открытых продуктов (Open Science), ускоряющих технологический прогресс.
Базовая модель Prithvi создавалась инженерами IBM и ИИ-командой IMPACT из Центра космических полетов имени Маршалла NASA. Обучение проходило на базе гармонизированных архивов Landsat и Sentinel-2 — глобального массива снимков за десятилетие, полученных со спутников NASA и ESA. Наземная версия модели уже успела зарекомендовать себя при оценке масштабов катастрофического наводнения в Валенсии осенью 2024 года.
Развёртывание подобных систем прямо на орбите решает ключевую проблему современного ДЗЗ — дефицит пропускной способности каналов связи. Современные спутники собирают гигабайты сырых данных, но их передача на Землю для последующего анализа занимает драгоценное время, критически важное при лесных пожарах или паводках. Традиционно ИИ-модели для спутников делали узкоспециализированными и легковесными, поскольку каналы связи не позволяли обновлять тяжёлые архитектуры в космосе.
Гибкость базовой модели меняет правила игры. В рамках одной универсальной архитектуры спутник может выполнять множество разнородных задач. Если операторам потребуется обучить уже находящийся на орбите спутник новой функции, то им больше не нужно переучивать систему целиком. Достаточно отправить на борт крошечный программный пакет, что требует минимального интернет-трафика.
В перспективе, по мнению Эндрю Ду, развитие подобных технологий сотрёт барьер между человеком и техникой. Спутники, оснащённые аналогами больших языковых моделей (LLM), позволят операторам общаться с приборами на естественном языке, запрашивая статус систем или экспресс-аналитику по бортовым снимкам в режиме обычного диалога. Команда NASA планирует развивать линейку открытых ИИ-моделей: вслед за Prithvi и выпущенной в 2025 году гелиофизической моделью Surya планируется создать специализированные нейросети для планетологии, астрофизики и биологических наук.
