ИИ в космосе, часть 1: Мониторинг Земли, управление спутниковыми системами и предсказательная аналитика

Искусственный интеллект (Artificial Intelligence, AI) уже изменил жизнь на Земле, и его появление на орбите было вопросом времени. Сегодня эту технологию используют в самых разных задачах: от обнаружения космического мусора до анализа собранной в космосе информации. Работающие на базе ИИ приложения повышают эффективность космических операций и все чаще становятся обычным инструментарием космических инженеров. В ближайшем будущем, по мнению главного специалиста по ИИ в NASA Дэвида Сальваньини, «каждый, в некотором роде, получит свой рабочий день, дополненный с помощью какой-либо технологии искусственного интеллекта».

Сейчас на орбите находятся спутники, в которых искусственный интеллект вначале использовался для разработки, затем для управления, и в конце концов для сортировки и анализа полученных с их помощью данных. В 2020 году Европейское космическое агентство (European Space Agency, ESA) запустило наноспутник Phisat-1 (он же Ф-sat 1) в рамках миссии Федеративных спутниковых систем (Federated Satellite System tandem mission, FSSCat). Это был первый эксперимент для демонстрации возможностей искусственного интеллекта в наблюдении за Землей: спутник отфильтровывал некачественные изображения, помогая снижать затраты на передачу и обработку бесполезных данных. Спустя четыре года в космос был запущен его преемник Phisat-2 размерами всего 22×10×33 см. Шесть предустановленных на его борту приложений превращают изображения в карты, выявляют аномалии в морских экосистемах и обнаруживают лесные пожары, а также распознают, классифицируют и предоставляют информацию о распределении облаков.

Такие аппараты, как Phisat, позволяют не просто анализировать отснятые изображения и исключать бесполезные, но и делать это непосредственно в космосе. Густой облачный покров на снимках обесценивает их, но так как ИИ распознает облака на фото, на Землю отправляются только четкие изображения, а это экономит время аналитиков. 

Количество практических примеров использования искусственного интеллекта для обеспечения работы спутников или обработки результатов их работы постоянно растет. Рассказываем подробнее о самых интересных проектах в этой сфере.

ИИ в мониторинге Земли и анализе данных

Искусственный интеллект сокращает расходы, продлевает сроки миссий и собирает более качественные данные об окружающей среде. Результаты обработки спутниковых изображений Земли используют частные компании и правительства в самых разных задачах: от очевидных, вроде отслеживания изменений климата, до расчета макроэкономической активности, позволяющей изучать потоки мигрантов. 

Сейчас Землю из космоса фотографируют более 300 спутников, предоставляющих ценные сведения для геопространственного анализа — комплексного исследования изменений на поверхности планеты. По сведениям ESA, все спутники могут генерировать более 150 Гб данных ежедневно. Это огромные массивы информации, которые нужно систематизировать и проанализировать. Попервах (в начале 1950-х) это делали вручную, после — с применением технических средств. Но в любом случае задача была сложной и трудоемкой. Искусственный интеллект все изменил. Теперь он занимается тем же в разы быстрее, точнее и эффективнее, выполняя сложный анализ практически в режиме реального времени.

Синергия высоких технологий в космосе

Когда мы говорим про искусственный интеллект в космосе, практически всегда подразумеваем, что он работает в паре с машинным обучением (Machine Learning, ML). Эта технология позволяет обучать интеллектуальные системы, анализировать информацию, распознавать закономерности и адаптироваться к изменениям. Машинное обучение изучает собранные спутниками данные, выявляет в них закономерности и предсказывает будущие события — например, прогнозирует аномалии в погоде, изменения растительности или движение ледников. Именно машинное обучение позволяет лучше адаптироваться к меняющимся условиям, как в примере про облака, выявлять неочевидные отклонения от нормы до появления неисправности в работе спутников (аномальные графики температуры корпуса) и правильно распределять ресурсы — решать, какие процессы выполнять на борту, а какие передавать для изучения на Землю. 

Часть информации о космосе и в космосе получают и обрабатывают с помощью технологий глубокого обучения (Deep Learning, DL) и компьютерного зрения (Computer Vision, CV). Комбинируя их с технологиями искусственного интеллекта и машинного обучения, ученые эффективно распознают образы и создают алгоритмы, позволяющие решать многие прикладные задачи: анализировать большие территории, классифицировать разнородные объекты, контролировать использование земельных угодий, делать спектральный анализ изменений окружающей среды. Все это находит применение в задачах, связанных с охраной дикой природы, городским планированием и управлением стихийными бедствиями.

Искусственный интеллект в сельском хозяйстве и сохранении дикой природы

По данным ООН, к 2084 году население Земли превысит отметку в 10 млрд человек, при этом основное увеличение популяции придется на наименее развитые страны Африки, расположенные к югу от Сахары. Это ставит континент перед угрозой еще более серьезного продовольственного кризиса и заставляет искать способы повысить урожайность своих сельскохозяйственных угодий. 

Используя многоспектральные спутниковые изображения высокого разрешения с ИИ и смежными технологиями, человек прогнозирует и улучшает показатели урожайности благодаря постоянному мониторингу состояния растений, сортировке деревьев, выявлению заболоченных участков грунта.

В дикой природе возможности искусственного интеллекта и компьютерного зрения полезны для защиты и сохранения национальных парков. Полученные со спутников сведения позволяют предсказывать и предотвращать нападения браконьеров, контролировать перемещение отдельных видов животных. Если раньше данные собирали с помощью камер-ловушек, теперь это делают из космоса и без изнурительного ручного анализа.

Платформы анализа данных со спутников

Для постобработки, интерпретации и визуализации данных со спутников существует специальное программное обеспечение. Современные геопространственные платформы предоставляют пользователям доступ к уже обученным моделям, мультиспектральным данным, инструментам аналитики, а также вычислительным мощностям и емким хранилищам. Интеллектуальные системы, описанные ниже, позволяют автоматически распознавать объекты, классифицировать ландшафты, выявлять аномалии и анализировать изменения на основе спутниковых данных. 

IBM PAIRS Geoscope

Эта платформа собирает и анализирует данные из нескольких источников, включая спутниковые снимки, прогнозы погоды и сведения о населении, и находит закономерности в течение нескольких минут. PAIRS Geoscope стала базовым инструментом для управления растительностью, она незаменима в энергетическом секторе и сфере коммунальных услуг. Например, с ее помощью находят локации, где деревья и другая растительность угрожают работе линий электропередачи, предупреждая таким образом отключение электроэнергии. В сельском хозяйстве PAIRS Geoscope позволяет точно прогнозировать урожайность различных агрокультур, обрабатывая полученные из космоса данные о состоянии почвы, погоде и текущем землепользовании.

EOS Data Analytics

Еще один пример продвинутого инструментария, который использует спутниковые снимки высокого разрешения для получения самых точных и надежных данных. Компания EOS Data Analytics (EOSDA), основанная инвестором, предпринимателем и филантропом Максом Поляковым, располагает собственным оптическим спутником EOS SAT-1 (он первый в спутниковой группировке EOS SAT) и предоставляет решения для 22 отраслей, уделяя основное внимание проблемам сельского и лесного хозяйства. EOSDA объединяет полученные из космоса данные с технологиями искусственного интеллекта и собственными запатентованными алгоритмами, чтобы прогнозировать урожайность, отслеживать изменения в почве и растительности, выявлять потенциальные угрозы: засухи, вредителей, заболевания сельскохозяйственных культур. Благодаря сочетанию спутникового мониторинга и машинного обучения платформа EOSDA помогает фермерам, агрономам и бизнесу принимать более точные и обоснованные решения, снижая затраты и минимизируя негативное воздействие на окружающую среду.

Другие проекты

В NASA тоже есть мощные аналитические платформы и отдельные программные решения для наблюдения за окружающей средой с помощью искусственного интеллекта. Например, SensorWeb для мониторинга окружающей среды. Интеллектуальная система собирает данные со спутников и разветвленной сети датчиков, чтобы отслеживать поведение вулканов, наводнения и лесные пожары. Скажем, когда на юге Атлантического океана пробуждается вулкан, спутники Terra и Aqua с датчиками MODIS несколько раз в день фотографируют этот участок океана. Они передают снимки в центр обработки, где алгоритмы MODVOLC автоматически выявляют зоны высокой температуры и отправляют тревожный сигнал. Если активность подтверждается, запрос передается на спутник EO-1, который при помощи бортового ИИ перенастраивает свои научные инструменты и делает снимки более высокой детализации. После повторного анализа их отправляют специалистам, чтобы оценить ситуацию и спрогнозировать дальнейшее развитие событий.

Если SensorWeb настроен на мониторинг окружающей среды в целом, то Volcano SensorWeb, еще один инструмент NASA, адаптирован именно под анализ вулканической активности. Он также объединяет данные со спутников и датчиков, применяя искусственный интеллект для мониторинга и прогнозирования извержений на основе таких данных, как температура, газовый состав, деформации земной коры и другие аномалии, указывающие на приближение катаклизмов. 

С марта 2024 года спутник Фонда защиты окружающей среды (Environmental Defense Fund, EDF) с орбиты Земли помогает бороться с глобальным потеплением, в котором в значительной мере (ученые говорят о 30%) «виноват» газ метан. MethaneSAT картографирует, измеряет и с высокой точностью отслеживает распространение метана на большой территории, используя облачную инфраструктуру и алгоритмы ИИ для анализа снимков.

Интеллектуальный анализ спутниковых данных предоставляет точную информацию и для других задач, например военных. В марте 2025 года Украина получила доступ к платформе обработки данных для изучения французских спутниковых снимков. Методы анализа спутниковых изображений не раскрываются из коммерческих соображений, но известно, что они предполагают использование технологии глубокого обучения для обнаружения и распознавания военных объектов. 

Перспективной выглядит способность ИИ помогать спутникам отслеживать из космоса нелегальные рыболовные и пиратские судна, которые предпочитают оставаться незаметными. Чаще всего они просто отключают свою автоматическую идентификационную систему, чтобы избежать обнаружения. Учитывая, что половина морских судов в мире перевозит грузы, а пираты ежегодно атакуют более сотни таких кораблей, искусственный интеллект становится мощным оружием в борьбе с этим явлением. Для этого в Mitsubishi Heavy Industries (MHI) создали устройство, похожее на типичный спутник для наблюдения за Землей, способный обрабатывать визуальные данные. 

Искусственный интеллект в проектировании и управлении спутниками

В производстве спутников системы на базе этой технологии берут на себя многие рутинные (а по факту, утомительные, трудоемкие, но необходимые) задачи — такие как очистка деталей, проверка качества сборки, выявление микротрещин и других дефектов, влияющих на работу спутника. Искусственный интеллект также оптимизирует проектирование, моделируя различные сценарии и помогая инженерам находить лучшие решения для сложных задач. Так, алгоритмы машинного обучения анализируют сведения о предыдущих миссиях и предлагают более эффективные конфигурации спутников. 

Стартап Proteus Space при разработке спутника ESPA (Evolved Expendable Launch Vehicle Secondary Payload Adapter) использовал интеллектуальную систему Mercury, чтобы определить необходимые компоненты для обеспечения точности миссии. Mercury способна оценить более 2000 возможных конфигураций спутника примерно за 10 минут, и при необходимости подстраивать его конструкцию в случае изменения требований к его полезной нагрузке.

Искусственный интеллект повышает автономность спутников, снижает риски их столкновений и обеспечивает более точное и безопасное выполнение космических операций. Исследователи Массачусетского технологического института (Massachusetts Institute of Technology, MIT) используют эту технологию для управления спутниковым трафиком и обеспечения устойчивости космических операций. 

Почему это важно? Увеличение количества спутников на орбите автоматически повышает риски столкновения. Ситуация усложняется отсутствием централизованного управления, а это ставит под угрозу безопасность всей орбиты. Что сделали в MIT? Разработали модель, которая объединяет обучение с подкреплением, теорию игр и оптимальное управление, и это позволяет эффективно управлять переполненными спутниковыми орбитами и снижать риски столкновений. По сути, спутники получают возможность самостоятельно маневрировать в зависимости от текущей ситуации, не полагаясь на указания операторов на Земле. Подобную систему уже внедрила компания SpaceX — для минимизации столкновений с другими объектами на орбите.

Искусственный интеллект не только позволяет автономно и безопасно перемещаться отдельным спутникам, но и управлять целыми спутниковыми группировками. Это стало возможным благодаря автоматизации в принятии решений, когда высокотехнологичные подходы заменяют ручные процессы планирования, управления и сбора данных, а также распределения ресурсов. Специально обученные алгоритмы анализируют цели миссии, погодные условия и другие важные параметры в реальном времени, чтобы снизить нагрузку на операторов на Земле. Помимо этого, интеллектуальные системы динамически адаптируются к изменениям, например, при кратном увеличении рисков столкновения с космическим мусором. 

Мы охватили всего одну сторону взаимодействия искусственного интеллекта и космоса. В следующих статьях продолжим исследовать эту тему и рассмотрим другие точки их соприкосновения — будет интересно.