Inženjeri sa Sveučilišta Stanford razvili su model nazvan Out-of-this-World-Model (OWM), koji umjesto klasičnih jednadžbi i ljudskih pilota koristi takozvane „mentalne simulacije” za pristajanje na Međunarodnu svemirsku postaju. Riječ je o pristupu iz područja strojnog učenja gdje algoritam uči fiziku okoline iz vlastitog iskustva, a zatim „sanja” niz mogućih budućnosti i bira onu koja vodi sigurnom pristajanju.
Kontekst je važan. Pristajanje na ISS odvija se brzinom od oko 28.000 kilometara na sat, u orbiti gdje nema trenja zraka, gdje ubrzavanje prema naprijed uzrokuje vertikalno odstupanje, a svaki pogrešan potez znači sudar vrijedan milijarde dolara i potencijalnu smrt posade. Desetljećima su taj posao obavljali GNC algoritmi s Kalmanovim filtrima i ljudski piloti koji ispravljaju greške. Klasični algoritmi računalnog vida u svemiru su krhki — bljesak Sunca na solarnom panelu ili iznenadna sjena mogu ih potpuno zbuniti.
Zašto je „svijet modela” drugačiji
Autori su se oslonili na koncept „world modela”, arhitekture koja ne uči samo pravila nego gradi unutarnju predodžbu fizike okoline. Analogija koju koriste je igrač koji hvata loptu: ne rješava diferencijalne jednadžbe u glavi, nego ima mentalnu simulaciju koja predviđa gdje će lopta pasti. OWM tako generira desetke potencijalnih scenarija i procjenjuje vjerojatnost svakog ishoda, što mu omogućuje reakciju na neočekivane situacije.
Za obuku takvog modela bila je potrebna ogromna računalna snaga. Autori su razvili biblioteku nazvanu AstroJAX prilagođenu grafičkim procesorima, kako bi ubrzali simulacije koje bi na klasičnom procesoru trajale tjednima. Rezultat: OWM je savladao manevar pristajanja u 500.000 iteracija, dok je usporedivi sustav s učenjem potkrepljenjem trebao 25 milijuna pokušaja.
No brojke koje najviše govore nisu one o brzini učenja. Kada su istraživači testirali model na svim pristajalištima ISS-a, uspješnost je iznosila oko 53 posto. Algoritam s klasičnim učenjem potkrepljenjem imao je 29 posto. OWM se bolje snašao i na nikad viđenom pristajalištu te u situaciji kada je istraživački tim namjerno blokirao pristajalište već pristajućom kapsulom.
Ipak, u bliskim operacijama model je zakazao, vjerojatno zato što su sudari bili strogo kažnjavani u fazi učenja. Autori tvrde da se to može podesiti u budućim iteracijama.
Pitanje koje izvor ne postavlja
Ono što ostaje neizrečeno jest tko odgovara kada autonomni sustav pogriješi. Ako algoritam sam donosi odluku o pristajanju, a 47 posto pokušaja završi neuspjehom, gdje je granica između „napretka” i neprihvatljivog rizika? Trenutni modeli umjetne inteligencije u svemiru nemaju jasno definiran lanac odgovornosti — ni pravni, ni operativni. To nije tehničko pitanje nego političko.
Drugi problem je ovisnost. Svemirske agencije sve više ovise o privatnim kompanijama i njihovim algoritmima, a podaci o stvarnim performansama ostaju zatvoreni. Javnost plaća infrastrukturu, ali ne dobiva uvid u to koliko je sustav zapravo siguran. U kontekstu sve većeg broja satelita koji trebaju servisiranje ili deorbitiranje, i najave da će u svemiru biti sve više ljudi, pitanje kontrole postaje egzistencijalno.
Model koji „sanja” svoju putanju do postaje zanimljiv je znanstveni iskorak. Ali san nije isto što i odgovornost. Dok god je svaki drugi pristajni manevar neuspješan, robot ne bi smio preuzeti upravljanje — ni u svemiru, ni bilo gdje gdje su ljudski životi u pitanju.