Microsoft تعرض OrbitalBrain: تدريب الذكاء الاصطناعي الموزع في الفضاء

# قدمت مايكروسوفت OrbitalBrain: التدريب الموزع للذكاء الاصطناعي مباشرة في الفضاء

تجمع أقمار الأرض الصناعية بيتابايتات من الصور عالية الدقة كل يوم، لكن معظم هذه البيانات لا تصل أبدًا إلى خوادم الأرض في الوقت المناسب. عرض النطاق الترددي الضيق لقنوات الاتصال بالأقمار الصناعية يحول تدفق المعلومات الضخم إلى اختناق. تنتظر الصور أيامًا لتحميلها، بينما نماذج التعلم الآلي الأرضية تعاني من نقص البيانات الحديثة. قررت مختبرات مايكروسوفت البحثية قلب هذه المشكلة رأسًا على عقب وحلها حيث يجب حلها—في الفضاء. قدمت الشركة OrbitalBrain—إطار عمل لتدريب الذكاء الاصطناعي مباشرة في المدار باستخدام الروابط بين الأقمار الصناعية والمعالجة التعاونية داخل أبراج المركبات الفضائية.

جوهر المشكلة مبتذل، لكنه ليس أقل حدة لذلك. تعمل مجموعات الأقمار الصناعية الحديثة للاستشعار عن بعد وفقًا لمبدأ لم يتغير منذ أول التلسكوبات الفضائية: المراقبة والتراكم ثم النقل. يمكن لقمر صناعي واحد أن يولد آلاف الصور يوميًا، كل منها بوزن غيغابايتات. تسمح قدرة قنوات الراديو بنقل معلومات حرجة فقط أو عينة صغيرة جدًا من إجمالي الحجم إلى الأرض. الباقي إما يتم ضغطه ويفقد التفاصيل، أو ينتظر لساعات وأيام حتى يدخل القمر الصناعي منطقة استقبال محطة أرضية. بينما تنتقل هذه البيانات نحو الأسفل، تكون الأحداث على الكوكب قد وقعت منذ وقت طويل. تتلقى أنظمة رصد حرائق الغابات وإنتاجية المحاصيل والحالات الطارئة المعلومات بتأخير يبلغ ساعات أو أيام.

تعكس OrbitalBrain هذه المنطق تماما. بدلاً من نسخ البيانات إلى الأرض، يدرب النظام الشبكات العصبية مباشرة في الفضاء. تتبادل الأقمار الصناعية في الأبراج المعلومات مع بعضها البعض من خلال روابط بصرية بين الأقمار الصناعية، وهي أقوى بكثير من قنوات الراديو، وتدرب النماذج بشكل مشترك في الموقع. هذا يعني أن نتائج التحليل المفيدة—الحرائق المكتشفة والمناطق الشاذة والأشياء المصنفة—يتم إرسالها إلى الأرض بدلاً من الصور الخام. يتم تقليل حجم البيانات المنقولة بمئات المرات. يستخدم الإطار المحاسبة المشتركة للموارد الحسابية المتاحة لكل قمر صناعي لتوزيع حمل تدريب النموذج بشكل أمثل. إذا كانت مركبة فضائية واحدة محملة بشكل زائد، ينتقل العمل إلى مركبة أقل استخدامًا. يأخذ النظام في الاعتبار ديناميكية التموضع المتبادل للأقمار الصناعية ويتنبأ بالاتصالات التي ستُفقد قريبًا ويخطط لنقل البيانات مسبقًا.

تمتد عواقب هذا النهج بعيدًا عن مجرد تسريع العمليات. تصبح مجموعات الفضاء أنظمة مستقلة حقيقية قادرة على اتخاذ القرارات في الموقع دون انتظار الأوامر من الأرض. تصبح مراقبة الطوارئ قريبة من الوقت الفعلي—ستتمكن الأقمار الصناعية من إرسال استنتاجات تحليلية نهائية دقائق بعد تصوير موقع الحدث. تحصل البلدان النامية على الوصول إلى المراقبة الصناعية للأراضي الزراعية والموارد الطبيعية دون الاعتماد على البنية التحتية الأرضية. ستتمكن البعثات العلمية لمراقبة المناخ والنشاط البشري من معالجة أحجام بيانات عالمية كان من المستحيل تحليلها بالكامل من قبل.

تبقى التحديات، بالطبع. يعمل المعدات الفضائية في ظروف قاسية من الإشعاع والبرد، والقدرات الحسابية للأقمار الصناعية متواضعة بمعايير الأرض، والخوارزميات تتطلب إعادة هيكلة لنموذج التعلم الموزع الجديد. لكن مايكروسوفت تثبت بالفعل أن هذه العقبات يمكن التغلب عليها. تفتح OrbitalBrain فصلاً جديدًا تماماً في صناعة الفضاء—عندما تتحول الأقمار الصناعية من ناقلات كاميرا سلبية إلى عقد نشطة في شبكة عصبية عالمية، تراقب كوكبنا في الوقت الفعلي.