Η προσέγγιση που ακολουθείται στις περισσότερες περιπτώσεις δορυφορικών φωτογραφιών είναι η λήψη μεγάλης ποσότητας φωτογραφιών και η αποστολή τους στη Γη, όπου εκεί μπορούν να ελεγχθούν και να επεξεργαστούν από ανθρώπους αλλά και από αλγορίθμους.
Είναι μια πρακτική την οποία ακολουθούν οι επιστήμονες εδώ και δεκαετίες και δούλευε μια χαρά. Δυστυχώς όμως αρχίζουν να προβάλλουν τα πρώτα προβλήματα. Το bandwidth μετάδοσης και η ενέργεια που απαιτούνται αρχίζουν να αποτελούν εμπόδιο.
Ο λόγος δεν είναι άλλος από το γεγονός ότι οι δορυφόροι πλέον λαμβάνουν καλύτερης ποιότητας φωτογραφίες με περισσότερα pixels, κάτι που καθιστά την ύπαρξη γρήγορου bandwidth αναγκαία όσο ποτέ άλλοτε.
Η περίπτωση του YAM-9
Ωστόσο, ο YAM-9 δορυφόρος έχει κάνει κάτι εντελώς διαφορετικό. Μπόρεσε και αναγνώρισε τι είδε και το περιέγραψε για πρώτη φορά, χωρίς να χρειαστεί να επικοινωνήσει με τους επίγειους χειριστές του.
Ένα άλλο πολύ σημαντικό πλεονέκτημα που έχουν οι επιστήμονες στη διάθεσή τους είναι ότι μπορούν να του δώσουν οδηγίες με τη χρήση απλών prompts, σαν αυτά που δίνουμε όλοι μας στο Gemini.
Οι νέες τεχνολογικές καινοτομίες καθίστανται εφικτές χάρη σε ένα πρόγραμμα της NASA που αποκαλείται Navι Orbital και το οποίο έχει αναπτυχθεί από ερευνητές του Jet Propulsion Laboratory της NASA και με τη βοήθεια της startup Loft Orbital.
Το καλύτερο παράδειγμα για να το φανταστούμε και να καταλάβουμε ακριβώς περί τίνος πρόκειται, κατά την άποψή μας θα πρέπει να το συγκρίνουμε με ένα μοντέλο τεχνητής νοημοσύνης το οποίο τρέχει στη συσκευή μας, σε σχέση με ένα μοντέλο τεχνητής νοημοσύνης το οποίο τρέχει σε data centers της OpenAI. Όταν ρωτήσουμε κάτι το ChatGPT, η ερώτησή μας μεταφέρεται στα data centers όπου επεξεργάζεται και στη συνέχεια δημιουργείται η απάντηση η οποία φτάνει σε εμάς. Όταν όμως το μοντέλο τεχνητής νοημοσύνης τρέχει στη συσκευή μας, η επεξεργασία των δεδομένων και η απάντηση είναι πολύ πιο γρήγορη και στην περίπτωση των δορυφόρων κάτι τέτοιο σημαίνει λιγότερη ανάγκη για επικοινωνία με τους επίγειους σταθμούς και κέντρα ελέγχου.
Στην περίπτωση του εν λόγω δορυφόρου, το Google Gemma 3 μοντέλο τεχνητής νοημοσύνης είναι εγκατεστημένο τοπικά. Αποτελεί μια σειρά light μοντέλων της Google DeepMind που μπορούν να τρέξουν ακόμη και σε laptops. Αποτελεί ένα VLM, δηλαδή μπορεί να επεξεργαστεί τόσο εικόνα όσο και κείμενο.
Μπορεί να τρέξει σε μικρούς δορυφόρους, όπου το μέγεθος, η χρήση ενέργειας και η υπολογιστική ισχύς πρέπει να διαχειριστούν με τέτοιο τρόπο ώστε να εξασφαλίζεται η αποδοτικότητα σε κάθε στάδιο, λαμβάνοντας ταυτόχρονα υπόψη την περιορισμένη διαθεσιμότητα.
Κάπως έτσι λοιπόν οι επιστήμονες μπορούν να ρωτήσουν το λογισμικό του δορυφόρου μια ερώτηση για αυτό που βλέπει, αντί να το προγραμματίζουν για κάθε μεμονωμένη εργασία, ενώ ουσιαστικά με αυτόν τον τρόπο γίνεται κατάλληλος για διαφορετικές αποστολές χωρίς να χρειαστεί να δημιουργηθεί ξανά από την αρχή.
Σύμφωνα με την ερευνητική εργασία που έχει δημοσιευτεί στο arXiv, (doi.org/10.48550/arXiv.2606.18271) επίγειες δοκιμές του συστήματος το έκριναν άκρως ικανοποιητικό, καθώς μπόρεσε να αναγνωρίσει τι υπήρχε σε περίπου 7.960 φωτογραφίες με ακρίβεια που έφτασε το 88,2%.
Σκοπός, σύμφωνα με αυτά που δηλώνει η Loft Orbital, είναι να δημιουργήσουν ένα δίκτυο δορυφόρων τέτοιου είδους που θα μπορούν να συνεργαστούν αρμονικά και να επιτρέψουν σε σχεδόν πραγματικό χρόνο παρακολούθηση του πλανήτη μας σε παγκόσμιο επίπεδο. Έτσι, δεν θα χρειαστεί η δορυφορική φωτογραφία να στέλνεται στη Γη για να μπορέσουμε να διαπιστώσουμε τι αποτυπώνει. Θα μπορούσε να εφαρμοστεί για περιπτώσεις ανίχνευσης πυρκαγιών, ύποπτης δραστηριότητας σε λιμάνια, ουσιαστικά ένα always-on επίπεδο επιτήρησης όπως αναφέρει συγκεκριμένα ο Paul Lasserre της Loft Orbital.
