للمرة الأولى، وجد قمر صناعي لرصد الأرض ما كان يبحث عنه، بمفرده، دون وجود محللين بشريين على الأرض. يمثل هذا الإنجاز، الذي حدث في أبريل، أول استخدام تم الإبلاغ عنه لنموذج لغة الرؤية في المدار، ويقدم لمحة عن كيف يمكن للذكاء الاصطناعي أن يغير بشكل أساسي ما تستطيع أجهزة الاستشعار الفضائية القيام به – ومدى قيمتها.
عادةً، تقوم الأقمار الصناعية بتنزيل كميات كبيرة من البيانات للمحللين الموجودين على الأرض أدناه، والذين يستخدمون خوارزميات التعلم الآلي أو أعينهم لمعرفة ما يحدث. ولكن على متن المركبة الفضائية Yam-9، التي بنتها شركة البنية التحتية الفضائية Loft Orbital، حددت حزمة البرامج التي أنشأها مختبر الدفع النفاث التابع لناسا مجالات الاهتمام للرد على استفسارات اللغة الطبيعية.
إن Gemma 3 من Google DeepMind – نموذج لغة الرؤية، أو VLM، الذي يدعم العرض التوضيحي – مصمم خصيصًا لتطبيقات الحافة، مما يعني أنه مصمم للعمل على أجهزة محدودة بعيدة عن مركز البيانات. تجمع VLMs بين الفهم السياقي لنماذج اللغات الكبيرة والقدرة على تحليل الصور: فقد طلب الباحثون من النموذج تصنيف بيانات الاستشعار حيث تلتقي البيئة الطبيعية بالتنمية البشرية، على سبيل المثال، أو تحديد البنية التحتية حول محاور السكك الحديدية – وقد فعلت ذلك.
المظاهرة مهمة لسببين. على المدى القريب، يمكن أن تجعل أجهزة الاستشعار الفضائية أكثر فائدة بكثير من خلال إجراء فرز أولي للبيانات في المدار، مما يقلل من تدفق البيانات الأولية التي يتعين على المحللين حاليًا الخوض فيها. على المدى الطويل، إنها نقطة إثبات نحو تشغيل بنية تحتية واسعة النطاق للذكاء الاصطناعي في الفضاء.
وقال بول لاسير، رئيس قسم الذكاء الاصطناعي في لوفت، لـ TechCrunch: “إنه يفتح الباب أمام طبقات الدوريات التي تعمل دائمًا في الفضاء”. “إذا كان لديك VLM، فيمكنك أن يكون لديك منطق – مثل “مراقبة هذه الحدود من أجلي، وأخبرني عندما يكون هناك شيء مريب”، والتفاعل ذهابًا وإيابًا مع الأقمار الصناعية.”
تم تصميم المركبات الفضائية الخاصة بـ Loft كمنصات لعملاء الطرف الثالث. نموذج الأعمال أقرب إلى البنية التحتية كخدمة من تصنيع الأقمار الصناعية التقليدية. وشهدت إحدى الصفقات الأخيرة بناء وإطلاق وتشغيل ستة أقمار صناعية جديدة لصالح EarthDaily، والتي ستقوم بتحليل وتسويق البيانات التي تم جمعها على متن المركبة الفضائية. تم إطلاق Yam-9 في خريف عام 2025 كمستكشف لمشاريع الذكاء الاصطناعي المدارية للشركة، ويتضمن وحدة معالجة الرسومات Nvidia Jetson Orrin AGX، وهي إحدى الرقائق الرائدة المستخدمة في الحوسبة الفضائية.
قاد خوان دلفا فيكتوريا، القائد الفني في مجموعة الذكاء الاصطناعي التابعة لناسا مختبر الدفع النفاث، عملية تطوير NAVI-Orbital، وهي حزمة برمجية كانت بمثابة أداة فعالة لـ Gemma 3 VLM. بينما أصبح جيما 3 جاهزًا، كان على مهندسي البرمجيات تبسيط حزمة البرامج لتقليل كمية المكتبات والذاكرة التي قد تتطلبها.
في حين أن هذا هو أول استخدام تم الإبلاغ عنه لـ VLM في المدار، يمكننا أن نتوقع أن تحذو الشركات الأخرى حذوها. تطير Planet Labs بالأقمار الصناعية باستخدام معالجات Jetson Orin؛ في الوقت الحالي، يتم استخدامها لمهام أبسط للكشف عن الكائنات، لكن المتحدث الرسمي يقول إن الأبحاث جارية على تطبيقات الذكاء الاصطناعي الأخرى، بما في ذلك VLMs.
رفضت شركة Kepler Communications، التي تدير أكبر مجموعة من وحدات معالجة الرسوميات في الفضاء، الإفصاح عما إذا كانت قد نشرت أجهزة VLM في الفضاء بسبب اتفاقيات NDA مع الشركاء، لكنها أشارت إلى وجود “العديد من حالات الاستخدام غير المعلنة لبيئة الحوسبة لدينا” منذ إطلاق تلك المركبات الفضائية في يناير.
وقال لاسير: “الآن وبعد أن أثبتنا المفهوم، فهذا هو حقًا اتجاه السفر”. الهدف هو بناء الكوكبة لضمان التغطية في الوقت الحقيقي لأي مكان على الأرض، وهو ما يقول إنه سيستغرق ما بين 50 إلى 100 قمر صناعي مثل Yam-9. (تقوم شركة Loft حاليًا بتشغيل 12 مركبة فضائية في المدار.)
إن الدروس المستفادة من نشر هذه النماذج الأصغر حجمًا في المدار سوف توضح كيفية محاولة الشركات نشر بنية تحتية حاسوبية واسعة النطاق في الفضاء، لا سيما في المجالات البسيطة والحيوية مثل إدارة الطاقة والذاكرة.
ويمكنهم أيضًا تمهيد الطريق لأدوات علمية جديدة. بدأت فكرة NAVI-Space مع الباحث في مختبر الدفع النفاث تاران سيرياك جون، الذي كان يفكر في مساعدين رقميين لرواد الفضاء الذين يستكشفون القمر أو المريخ.
“نحن نفكر، حسنًا، لديك رواد فضاء يرتدون بدلات مضغوطة، وأنت تعلم أنهم لا يستطيعون النقر على لوحة المفاتيح، فكل ما يريدون فعله معقد.” قالت دلفا فيكتوريا. “لذلك، ما رأيك أن نقدم مساعدًا، كما هو الحال في ألعاب الفيديو والأفلام، حيث ترى الذكاء الاصطناعي التفاعلي؟”
فقط لا تسميها HAL 9000.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.
