Новая архитектура ИИ может позволить марсоходам и луноходам самостоятельно решать, что изучать и как перемещаться, не дожидаясь 4–24-минутной задержки сигнала при передаче данных на Землю и обратно. Это позволит сократить время ожидания, которое сейчас препятствует принятию быстрых решений. Предложение, основанное на моделях decision-transformer, дополненных уровнем управления с нулевым доверием (zero-trust governance), обещает автономность «уровня ученого» для будущих планетарных миссий.

Почему роверам нужно думать самостоятельно

Современные роверы — это, по сути, машины с дистанционным управлением. Команда с Земли встает в очередь, пока робот ждет ответа, а любое непредвиденное препятствие может остановить миссию на несколько часов.

Прорыв в области ИИ: decision transformers

Decision transformers превращают выбор действий в задачу моделирования языка. Вместо обучения методом проб и ошибок модель анализирует последовательность прошлых состояний (положение, показания датчиков) и соответствующих вознаграждений (научная ценность, показатели безопасности), а затем предсказывает следующее действие, которое максимизировало бы вознаграждение. По сути, ИИ «пишет» следующую лучшую строку истории, основываясь на том, как эта история развивалась до сих пор.

Обеспечение безопасности ИИ в космосе

В архитектуру заложены две меры предосторожности:

  • Цели, согласованные с человеком (Human-aligned objectives) — команда обучает модель балансировать между тремя критически важными для миссии целями: максимизацией научной отдачи (например, выбор самого интересного камня), избеганием опасностей (крутые склоны, потеря энергии) и соблюдением ограничений миссии (время, пропускная способность данных). ИИ не отклоняется от сценария; каждый выбор взвешивается с учетом этих определенных человеком приоритетов.

  • Управление с нулевым доверием (Zero-trust governance) — эта концепция, заимствованная из кибербезопасности, предполагает, что «мозг» ровера может быть взломан или просто даст сбой. Инженеры фиксируют каждое решение в неизменяемом журнале аудита и предоставляют ИИ только минимально необходимые права для выполнения действий (принцип наименьших привилегий).

Вместе эти уровни позволяют роверу действовать автономно, сохраняя при этом прозрачность и возможность отмены цепочки команд.

Кто получит выгоду

Будущие миссии, такие как Mars Sample Return или исследование полярных областей Луны, нуждаются в таком уровне автономности. Сочетая модели-трансформеры со строгими протоколами безопасности, мы сможем проникнуть глубже в нашу Солнечную систему.

Скрытые риски

Автономия меняет характер рисков, и уровень нулевого доверия смягчает их, пропуская каждое действие через верификатор.

Что дальше

Этот подход представлен в исследовании автора, в котором предлагается метод для миссий по геологическому изучению планет.

Итог: Обучая роверы воспринимать принятие решений как лингвистическую задачу и заключая эту возможность в строгую модель безопасности с приоритетом аудита, инженеры приближаются к созданию роботов, способных заниматься наукой на собственных условиях, даже когда Земля недосягаема.