Powiesz satelicie, czego szukać. On sam przeczesze Ziemię

Do tej pory satelita był przede wszystkim po prostu naszym okiem na orbicie. Robił zdjęcia, zbierał dane, a potem wysyłał je na Ziemię, gdzie dopiero ludzie albo naziemne algorytmy sprawdzały, co tak właściwie widać na obrazie. Teraz ta granica zaczyna się przesuwać. I to naprawdę mocno. Satelita YAM-9 firmy Loft Orbital pokazał, że może sam zrozumieć polecenie i znaleźć na zdjęciach to, czego szuka człowiek.

Może i to nie jest jeszcze zaawansowany kosmiczny detektyw z pełną swobodą działania, ale jest to ważny krok. Po raz pierwszy zgłoszono użycie modelu vision-language na orbicie do samodzielnego rozpoznawania obszarów zainteresowania. Oznacza to, że satelita nie musi już wysyłać wszystkiego na Ziemię i czekać, aż ktoś przejrzy dane. Może wykonać pierwszy odsiew sam, jeszcze zanim otworzy się okno łączności z naziemną stacją.

Za demonstracją stoją Loft Orbital i NASA Jet Propulsion Laboratory. Na pokładzie satelity YAM-9 uruchomiono pakiet NAVI-Orbital stworzony przez zespół JPL. Do analizy obrazów wykorzystano z kolei Gemmę 3 – lekki model vision-language od Google DeepMind, zaprojektowany tak, by działał nawet na sprzęcie o ograniczonych możliwościach.

Model vision-language łączy w sobie dwie umiejętności: rozumienie języka i analizę obrazu. To właśnie dlatego można poprosić system o coś bardziej naturalnego niż klasyczne: wykryj obiekt typu X w polu Y. W testach badacze pytali m.in. o miejsca, w których środowisko naturalne styka się z obszarem zagospodarowanym przez człowieka, albo o infrastrukturę w pobliżu węzłów kolejowych.

Różnica jest naprawdę spora. Klasyczny algorytm zwykle szuka czegoś bardzo konkretnego: statku, samochodu, budynku czy pasa startowego. Model vision-language działa całkowicie inaczej. Można opisać mu sytuację albo miejsce, którego szukamy, zamiast wskazywać jeden typ obiektu. Dzięki temu nie skupia się wyłącznie na moście czy drodze, ale potrafi uwzględnić także szerszy kontekst tego, co widać na zdjęciu.

Satelity produkują więcej danych, niż da się wygodnie i natychmiast przesłać na Ziemię. Każde zdjęcie, każda scena hiperspektralna i każdy pomiar zajmuje miejsce, wymaga przeogromnej energii oraz czasu łączności. A satelita na niskiej orbicie nie ma stałego, szerokiego kabla do centrum danych. Ma krótkie okna kontaktu i ograniczony transfer.

Jeżeli satelita potrafi sam odsiać sceny, które są najważniejsze, cały system staje się szybszy. Zamiast przesyłać ogromny pakiet danych i dopiero później sprawdzać, czy w ogóle jest w nim coś ciekawego, można wysłać priorytetowy fragment, opis albo alarm.

To może się przydać wszędzie tam, gdzie liczą się minuty. Przy pożarze lasu ważniejsze od kolejnego zdjęcia jest to, że ogień właśnie pojawił się w nowym miejscu. W porcie istotna może być informacja o nietypowym ruchu statków, a przy monitorowaniu infrastruktury – sygnał, że coś się zmieniło i warto się temu przyjrzeć. Najcenniejsze nie zawsze jest więc samo zdjęcie. Często ważniejsza jest szybka podpowiedź: tutaj dzieje się coś nietypowego.

YAM-9 nie jest klasycznym satelitą zbudowanym pod jeden instrument i jednego klienta. Loft Orbital sprzedaje raczej dostęp do orbitalnej infrastruktury. Klienci mogą umieszczać ładunki, korzystać z czujników, uruchamiać oprogramowanie i testować aplikacje na orbicie bez budowania własnego statku kosmicznego od zera.

Właśnie taki model przyspiesza eksperymenty z AI w kosmosie. Jeśli każda firma musiałaby projektować własnego satelitę, czekać na start, budować segment naziemny i uczyć się operacji orbitalnych, rozwój szedłby wolniej. W modelu misji wirtualnej aplikacja może trafić na istniejącą platformę, a aktualizacje zaczynają przypominać bardziej wdrażanie oprogramowania niż klasyczny program kosmiczny.

YAM-9 został wyniesiony w misji Transporter-15 SpaceX pod koniec 2025 r. Na pokładzie znalazł się m.in. procesor Nvidia Jetson Orin AGX, czyli układ kojarzony z obliczeniami brzegowymi. To nie jest centrum danych w kosmosie, ale wystarczy, by uruchamiać mniejsze modele AI i sprawdzać, co da się policzyć na orbicie.

Najłatwiej wyobrazić to sobie tak: ktoś wydaje satelicie polecenie, a on przez kolejne przeloty sam wypatruje tego, co może być istotne. Nie chodzi o pełną autonomię czy podejmowanie decyzji bez człowieka, ale o ciągłe śledzenie zmian i wychwytywanie sytuacji, które pasują do zadanego opisu. Zamiast ręcznie przeglądać tysiące zdjęć, można po prostu zlecić: obserwuj ten port, zwracaj uwagę na nietypowy ruch statków, monitoruj odcinek granicy albo szukaj nowych ognisk pożaru.

To tak naprawdę radykalnie zmienia sposób myślenia o satelitach. Przez lata ich głównym produktem były zdjęcia i surowe dane, które ktoś musiał później przeanalizować. Teraz coraz cenniejsza może być gotowa informacja. Zamiast usłyszeć: mamy dla ciebie 200 zdjęć do przejrzenia, użytkownik dostanie komunikat: znaleźliśmy obiekt, którego szukałeś – jest tutaj i pojawił się o tej godzinie.

Zobacz także:

Taki system może pomóc szybciej zauważyć rozwijający się pożar, skutki powodzi czy niepokojące zmiany w środowisku. Zamiast czekać, aż ktoś przejrzy zdjęcia po ich przesłaniu na Ziemię, pierwsze sygnały mogą pojawić się niemal od razu. Dla wojska korzyść jest równie oczywista: mniej czasu między obserwacją a reakcją i większa szansa na wychwycenie istotnych zdarzeń bez angażowania całych zespołów analityków do przeglądania ogromnych ilości danych.

*Źródło grafiki wprowadzającej: AI / Canva Pro