Искусственный интеллект открывает перед человечеством уникальные перспективы в решении сложнейших задач на орбите Земли, а космос становится вычислительной инфраструктурой. Уже сегодня нейросети оптимизируют работу исследовательских зондов, продлевая срок их службы и обеспечивая устойчивую связь на сверхдальние расстояния. В то же время Китай запустил на орбиту первую волну спутников, предназначенных не только для передачи данных, но и для их обработки с помощью искусственного интеллекта. Это стало первым шагом к полноценному переходу от традиционной спутниковой связи к реальным орбитальным дата-центрам. И если пару лет назад об этом только рассуждали, то сегодня первые спутники-вычислители уже работают на орбите. Приближается момент, когда алгоритмы полностью возьмут на себя управление группировками спутников. Но что, пожалуй, самое главное — искусственный интеллект делает гораздо более эффективной работу планетоходов, оптимизирует поиски воды и полезных ископаемых на планетах и иных телах Солнечной системы.
Китайский проект Three-Body Computing Constellation предполагает, что к 2030 году в космосе будет работать почти 3000 спутников, каждый из которых может выполнять вычисления, фильтровать и анализировать данные прямо на орбите. Технологии применяются серьезные: лазерная связь между аппаратами, охлаждение естественным образом, вычислительные мощности уровня петафлопс. Если раньше спутники были простыми ретрансляторами и пересылали снимки, видео и сигналы на Землю, где все обрабатывалось в обычных дата-центрах, то сейчас все больше задач решается прямо на орбите. Современный спутник сам собирает данные, тут же анализирует их с помощью искусственного интеллекта, отсеивает все лишнее и отправляет на Землю уже готовый результат. Не нужно больше гонять гигабайты «сырых» изображений и ждать, пока их просмотрит оператор или обработает сервер. Например, если спутник фиксирует пожар или подозрительное перемещение, он сам распознает событие, сигнализирует об этом и сразу передает предупреждение. Для агробизнеса или экологических служб это возможность оперативно получать свежие отчеты о состоянии полей, лесов и рек, а для спецслужб и военных появляется быстрый доступ к разведданным, которые не успевают устареть. Такой подход экономит ресурсы, снижает нагрузку на каналы связи и ускоряет все процессы от мониторинга катастроф до анализа логистики. Безопасность тоже повышается, поскольку чем меньше данных пересылается, тем ниже риск утечки информации.
Компании из США пока сохраняют мировой рекорд по количеству спутников и широте охвата. Группировка Starlink к середине 2025 года уже насчитывала более 6000 действующих аппаратов, а к 2030 году, с учетом новых запусков Amazon Kuiper, общее количество американских спутников может превысить 15000. Такой размах дает США безусловное преимущество в обеспечении глобального интернет-покрытия и резервных каналов связи для бизнеса, транспорта, обороны и госструктур. Но в области вычислений на орбите и автономии «умных» спутников США все еще отстают от Китая. Американские спутниковые системы остаются, в первую очередь, ретрансляторами и элементами распределенной связи. Ставка делается на мощную интеграцию с наземными дата-центрами. Спутник получает данные, пересылает их на Землю, где они быстро попадают в облачную инфраструктуру Amazon, Microsoft или других провайдеров. Такой подход хорошо работает для классических задач связи и быстрого доступа к облачным сервисам.
Тем не менее, направление орбитальных вычислений в США развивается. Пентагон инвестирует в искусственный интеллект для военных спутников и автоматизации управления группировками. Уже сейчас часть данных разведки обрабатывается прямо на спутнике, ускоряя принятие решений. NASA тестирует когнитивные радиосети, которые могут самостоятельно выбирать частоты и маршруты передачи информации, повышая устойчивость к помехам и киберугрозам. Лазерные линии между спутниками в экспериментах NASA и SpaceX показывают скорости передачи до 200 Гбит/с, что заметно выше традиционных радиоканалов. К тому же компания SpaceX открыла вакансии инженеров-программистов в сфере искусственного интеллекта, формируя команду, которая будет сфокусирована на решении сложных задач обработки данных для ракет-носителей и космических аппаратов. Также перечень обязанностей команды будет включать поддержку спутникового интернет-сервиса Starlink.
В коммерческом секторе технологии обработки данных на орбите только начинают внедряться массово. Спутники Starlink и других проектов постепенно осваивают первичную фильтрацию и анализ видеопотоков, мониторинг трафика, ускоряют автоматическую диагностику оборудования, передают только релевантные данные. Однако уровень автономии и полнота обработки пока уступают тем возможностям, которые уже массово внедряются в китайской орбитальной инфраструктуре. Тем не менее, именно американский рынок спутниковых сервисов остается самым развитым и технологически открытым в мире. Здесь быстрее всего появляются новые продукты: «интернет для всего мира», связь для морских судов, самолетов, отдаленных регионов и специальных проектов. США первыми запускают тестовые сервисы на новых спутниковых платформах и быстро внедряют успешные технологии в бизнес и государственный сектор.
Что касается Европы, то здесь ключевым приоритетом стали цифровой суверенитет и безопасность данных. ЕС строит свою орбитальную инфраструктуру через группировку IRIS² и к 2030 году планирует запустить около 300 спутников, которые должны обеспечить защищенную связь, государственные услуги и сервисы для корпоративного сектора. Главная задача программы — не зависеть от американских и китайских технологий и создать полностью автономную систему передачи и обработки информации. Сильной стороной европейского подхода является технологическая «чистота» и внимание к приватности. В этих проектах также активно внедряется искусственный интеллект. Например, CubeSat Phi-Sat-1 уже сейчас способен самостоятельно анализировать спутниковые снимки, фильтровать облачные и «пустые» кадры и отправлять только релевантные данные на Землю. Это помогает экономить ресурсы и ускоряет работу служб мониторинга, экологов, операторов реагирования.
Европа также идет по пути внедрения лазерных межспутниковых каналов и в тестах достигает паритетных с США скоростей до 200 Гбит/с, что сокращает задержки и позволяет надежно защищать трафик от перехвата. Много внимания уделяется вопросам кибербезопасности и минимизации уязвимостей, а архитектура систем строится по принципу «без внешних поставщиков». Однако по масштабам, скорости развертывания и объему инвестиций европейская программа заметно уступает США и Китаю. В отличие от тысячных группировок Starlink или китайского Three-Body, в IRIS² пока функционируют всего сотни аппаратов, что объективно ограничивает возможности по покрытию и емкости. Кроме того, европейские спутники пока реже используются для массовых коммерческих сервисов. Основной фокус сосредоточен на государственном секторе, безопасности, экстренных службах и мониторинге.
За последние 2 года количество спутников на орбите выросло примерно до 9000, и это только начало. К 2030 году, по планам только крупнейших проектов, появится еще как минимум 20000 новых аппаратов. Но теперь главная конкуренция разворачивается не за численность, а за интеллект, автономию и эффективность орбитальной инфраструктуры. Все больше спутников перестают быть просто ретрансляторами и становятся самостоятельными вычислительными центрами: фильтруют, анализируют, шифруют и агрегируют данные прямо в космосе, зачастую без участия наземных дата-центров. Рынок уже чувствует эффект этих перемен. Спутниковый интернет становится доступнее даже там, где раньше о нем можно было только мечтать. Мониторинг катастроф и экстренных ситуаций ускоряется, а данные для аграриев, энергетиков и логистики поступают практически без задержек.
Проекты на базе ИИ в космосе
Автономная система AstroAI на основе искусственного интеллекта, разработанная компанией Interstellar Research Network (IRN), включает в себя алгоритмы самодиагностики дальних зондов, которые использует машинное обучение для прогнозирования возможных сбоев до их возникновения. Это позволяет предотвратить или устранить проблемы без вмешательства с Земли. Благодаря усовершенствованным технологиям робототехники с использованием искусственного интеллекта, аппараты компании IRN могут выполнять техническое обслуживание и ремонт самостоятельно. Используя глубокое обучение, AstroAI способна определять небесные объекты, требующие внимания, и корректировать параметры полета в режиме реального времени для оптимизации результатов исследований. После внедрения этой системы компания отметила повышение эффективности обработки данных, полученных зондами, на 40%, и значительное снижение критических сбоев.
AstroVigil — это система диагностики и мониторинга, созданная на основе ИИ, помогающая в режиме реального времени отслеживать состояние и безопасность космических аппаратов и, если надо, их экипажей. Традиционные системы мониторинга часто обнаруживают проблему только тогда, когда она уже становится серьезной и вызывает срабатывание сигнализации. Для полетов в дальний космос, особенно пилотируемых, необходимо решение, которое могло бы прогнозировать возможные сбои и рекомендовать меры по их предотвращению. AstroVigil — это именно такое решение. Искусственный интеллект, применяемый в AstroVigil, способен предсказывать сбои и отклонения в работе систем, анализируя данные с датчиков космических аппаратов в режиме реального времени. Система также предлагает рекомендации по техническому обслуживанию и ремонту, которые могут быть выполнены роботами или людьми на борту. Алгоритмы AstroVigil могут адаптироваться к новым условиям, постоянно обучаясь на текущих данных полета, чтобы улучшать свои прогнозы. Внедрение этого инструмента позволило сократить количество внеплановых технических работ на 50%, значительно повысить безопасность и надежность космических экспедиций, продлить срок службы критически важных компонентов аппаратов, а также снизить затраты и риски.
Система DeepSpaceNet, созданная компанией CosmicLink Solutions, использует передовые алгоритмы для оптимизации космической связи. В режиме реального времени система анализирует расположение планет и солнечные помехи, чтобы найти наилучшие пути передачи сигнала. С помощью методов машинного обучения DeepSpaceNet прогнозирует оптимальные временные окна для связи и корректирует распределение пропускной способности в соответствии с приоритетами космического аппарата и текущими потребностями в данных. Помимо этого, система оптимизирует алгоритмы коррекции ошибок, что существенно уменьшает потери при передаче информации, и применяет методы квантового шифрования для обеспечения безопасности конфиденциальных научных данных от киберугроз. Использование DeepSpaceNet привело к улучшению качества сигнала от космических аппаратов на 50% и увеличению скорости передачи данных на 30%.
Аналитическая платформа TerraMapper, разработанная компанией Orbital Insights из Сиэттла, предназначена для автоматизации обработки планетарных изображений и данных датчиков. Ее искусственный интеллект использует методы глубокого обучения для повышения разрешения изображений и точной дифференциации геологических особенностей. TerraMapper умеет прогнозировать геологический состав и выявлять интересные для дальнейшего изучения области, а также оценивать потенциальные опасности и расположение залежей полезных ископаемых. Благодаря этой платформе удалось на 70% сократить время обработки планетарных данных, в сочетании с заметным повышением точности геологических оценок.
Примером автоматизации работы планетоходов в суровых внеземных условиях стала навигационная система MarsNav AI, установленная на марсоходы компании Red Planet Robotics из Сан-Диего. Навигация по непредсказуемой местности Марса создает проблемы для роботов-исследователей, которые должны эффективно работать в экстремальных условиях окружающей среды без постоянной связи с Землей. Так появилась необходимость в повышении их автономности для выполнения сложных научных задач и принятия критически важных навигационных решений без ввода данных в режиме реального времени от центра управления миссией. MarsNav AI использует комбинацию бортовых камер и датчиков для создания подробных 3D-карт марсианской поверхности, выявления препятствий и расчета оптимальных маршрутов марсоходов. Кроме того, система умеет прогнозировать изменения окружающей среды, таких как пылевые бури. Внедрение MarsNav AI позволит на 30% увеличить ежедневное расстояние, проходимое марсоходом, и на 40% повысить эффективность сбора данных, значительно расширяя научные результаты.
В последнее время все больше операторов заказывают спутники с гибкой программно-определяемой полезной нагрузкой (SDS), чтобы адаптироваться к изменениям на рынке, вызванным появлением низкоорбитальных группировок, таких как OneWeb и Starlink. По своей гибкости спутники SDS могут быть очень разными. На одном конце шкалы – простые аппараты, которые можно легко перенастроить для изменения зоны покрытия. На другом — спутники, которые для перенастройки можно перемещать по орбите и изменять частоту их вещания. После запуска более адаптивных спутников SDS ожидается, что значительную часть функций по управлению ими возьмет на себя искусственный интеллект. Эти аппараты также требуют более сложной наземной инфраструктуры, и искусственный интеллект поможет координировать работу спутниковых и наземных систем как единой сети.
Минимальное расстояние от Земли до Марса составляет 55,76 млн. км, максимальное (когда Солнце находится точно между двумя планетами) — 401 млн. км, что сильно усложняет управление марсоходами в режиме реального времени. Использование искусственного интеллекта для принятия решений и построения маршрутов прямо на месте стало одним из самых очевидных способов решения этой проблемы. Первым примером использования ИИ в этой сфере стал марсоход Curiosity. Он автономно поражал камни лазером, ориентируясь на их форму и цвет, а затем по газу, который при этом высвобождался, определял их химический состав. Газ анализировал комплекс приборов Sample Analysis at Mars (SAM), однако получаемых данных было много и интерпретировать их было сложно. Тут и пришелся кстати искусственный интеллект. Он помог определить самые ценные с научной точки зрения данные, а также приоритезировать их для дальнейшего анализа.
Позже у Curiosity появился конкурент — Perseverance. Именно его считают наиболее ярким примером использования искусственного интеллекта в автономных космических миссиях, где он значительно превзошел своего предшественника. Марсоход Perseverance полностью самостоятельно перемещается по местности со сложным рельефом, без дополнительных указаний с Земли. Для определения оптимального маршрута его встроенный автопилот AutoNav использует машинное обучение. Камерами марсоход захватывает изображения окружающей среды, анализирует их, и с помощью алгоритма ACE (Approximate Clearance Evaluation) строит несколько маршрутов. А дальше система eNav (Enhanced AutoNav) сортирует их и выбирает самые безопасные. Избегать неприятностей при посадке помогает технология TRN (Terrain Relative Navigation), в основе которой лежит компьютерное зрение. Вместе это позволяет Perseverance двигаться непрерывно на любой скорости, но фактически она ограничена 4 м/с. В NASA сделали это, чтобы марсоход не застрял и не разбился. Одна из самых интересных возможностей Perseverance — его спектрометр. Этот инструмент для рентгеновской литометрии PIXL (Planetary Instrument for X-ray Lithochemistry) оснащен программным обеспечением Adaptive Sampling. Оно использует искусственный интеллект для автономного позиционирования прибора и анализа данных о минералах, которые могут представлять научный интерес. PIXL выступает своеобразным фильтром, позволяющим принимать решения о действительно важных объектах для изучения без вмешательства человека, что значительно ускоряет процесс сбора наиболее ценных научных данных. Функции искусственного интеллекта также получили следующие приборы: LIBS (Laser-Induced Breakdown Spectroscopy), для автономного анализа горных пород, и SPOC (Soil Property and Object Classification), изучающий свойства почвы и объекты окружающей среды. Помимо этого, Perseverance оснащен ИИ-системой AEGIS (Autonomous Exploration for Gathering Increased Science) для сбора научных данных во время исследования планет. А объединять полученные таким образом массивы информации с данными из нескольких других источников позволяет алгоритм Nested Fusion. В Лаборатории реактивного движения (JPL) NASA также разработали алгоритмы для систем навигации и контроля за летательным аппаратом Ingenuity. Благодаря искусственному интеллекту он мог самостоятельно выбирать места посадки в самых сложных условиях и очищаться после пылевых бурь.
Искусственный интеллект для поиска экзопланет
Человечеству уже удалось обнаружить чуть более 5800 экзопланет, хотя на самом деле их количество может достигать миллиарда. Самая близкая к Земле, Проксима Центавра b, расположена на расстоянии четырех световых лет. Ввиду огромной отдаленности поиски новых экзопланет очень сложны, но развитие технологий искусственного интеллекта позволило ученым немного упростить эту задачу. Так, например, космический телескоп Kepler отправился в космос искать похожие на Землю планеты в марте 2009 года, проработал в течение 9 лет и помог ученым идентифицировать более 2000 экзопланет. Хотя миссии с ним завершены, собранные данные до сих пор помогают находить новые. Раньше большие массивы информации обрабатывали люди: тратили на это много времени и часто ошибались. Сейчас значительную часть работ выполняют специально обученные алгоритмы. Один из них — ExoMiner — полностью имитирует ручной процесс, просматривая каталоги планет быстрее и эффективнее человека.
ExoMiner представляет собой нейронную сеть, которая непрерывно обучается и умеет определять, какую часть звезды перекрывает планета и как долго длится ее транзит. Иными словами, сколько времени ей требуется, чтобы пересечь диск звезды. В теории, временное снижение яркости звезд вызвано тем, что мимо них транзитом проходит какая-то неизвестная планета. Что люди, что алгоритм ExoMiner анализировали эту кривую, причем ИИ делал это в разы точнее человека, который может ошибаться, неправильно или предвзято трактовать данные. Благодаря ExoMiner за короткое время в каталог было добавлено более 300 планет. Оператором Kepler является NASA, однако полученные с помощью этого космического телескопа данные доступны другим организациям. Авторы проекта Planet Hunters также используют искусственный интеллект и машинное обучение, буквально «прочесывая» космос с целью поиска новых экзопланет. За проектом стоят астрономы из британского Университета Уорика, создавшие модель машинного обучения, способную выявлять удаленные от нас планеты, анализируя огромные наборы сведений о десятках тысяч кандидатов.
После Kepler миссию по поиску похожих на Землю планет продолжил TESS (Transiting Exoplanet Survey Satellite). У этого спутника четыре телескопа на борту, но меньше дальность обнаружения, однако обработка полученных данных с помощью ИИ по-прежнему приносит впечатляющие результаты. Именно таким способом несколько ученых и астрономов-любителей совместно обнаружили звездное трио TIC 290061484. Используя машинное обучение, сотрудники Центра космических полетов имени Годдарда в Гринбелте отфильтровали огромные массивы данных о звездном свете от TESS, чтобы выявить закономерности затемнения. После этого несколько гражданских ученых выполнили более глубокую фильтрацию, полагаясь на многолетний опыт и неформальное обучение, чтобы найти особенно интересные случаи.
Самый мощный, сложный и дорогой телескоп James Webb отправляет на Землю изображения космоса в инфракрасном диапазоне. Это позволяет ему заглядывать в более отдаленные уголки Вселенной. Не последнюю роль в этом играют искусственный интеллект и машинное обучение. Эти технологии ежедневно анализируют более 235 Gb научных данных, причем делают это кратно быстрее, чем человек, использующий традиционные подходы. И если на какие-то задачи у ученых уходили недели, сейчас они могут посвятить это время более сложному анализу. Инструмент Morpheus буквально разбирает изображения на пиксели и выявляет среди них структуры, которые обычно пропускают при ручном анализе. Искусственный интеллект улучшает необработанные изображения, корректируя шумы и повышая четкость, и также объединяет снимки, сделанные различными инструментами и в разных спектральных диапазонах. А инструменты вроде Jdaviz визуализируют наборы данных в различных режимах наблюдений, помогая быстрее извлекать из них полезные идеи.
Кстати, в этой сфере не обходится и без курьезных ситуаций. Так, например, недавно американские и китайские ученые разработали искусственный интеллект CosmoAgent, который может представить, как бы выглядело взаимодействие людей с инопланетянами. Эта система воссоздает условия реального мира внутри компьютера и может предсказывать будущее, учитывая предложенные учеными условия. Система показала, что, если о Земле узнает какая-либо более развитая в военном плане инопланетная цивилизация, она обязательно попытается нас захватить. Конечно, если внеземная жизнь развита меньше, ничего плохого произойти не должно. Но мы понятия не имеем, какой может быть внеземная цивилизация, поэтому попытки связаться с ними очень рискованные. Искусственный интеллект подчеркнул, что для выживания человечеству нужно вести себя в космосе как можно тише и ограничить отправку любых сигналов. Возможно, в космосе, кроме нас, никого нет. Но осторожность никогда не помешает.
Будущее искусственного интеллекта в космической астрономии
Будущее искусственного интеллекта и машинного обучения в космической астрономии тоже выглядит многообещающим. Учитывая, что настоящие и будущие космические телескопы будут собирать еще больше данных, внедрение этих технологий станет абсолютно необходимым для эффективного анализа и извлечения ценных знаний. Алгоритмы искусственного интеллекта будут еще быстрее и качественнее выявлять закономерности и аномалии, обнаруживать слабые сигналы, позволяющие открывать новые экзопланеты и признаки жизни в космосе. Эксперты прогнозируют, что именно развитие искусственного интеллекта и машинного обучения в ближайшие 5 лет в несколько раз увеличит количество найденных экзопланет. А космический телескоп Nancy Grace Roman, запуск которого запланирован на 2027 год, будет обнаруживать экзопланеты напрямую, минуя этап ручной проверки. Также ожидается появление автономных обсерваторий, способных принимать решения в режиме реального времени и оптимизировать использование ресурсов, что позволит проводить более оперативные наблюдения за быстротекущими космическими событиями.
***
Сегодня космос окончательно перестал быть нейтральной средой для передачи сигналов. Перед глазами формируется новая цифровая экосистема, где каждый крупный игрок продвигает свои интересы. И искусственный интеллект будет играть ключевую роль в следующем поколении космических исследований, помогая решать задачи, которые ранее казались невозможными, и обеспечивая новые горизонты для научных открытий.
