«Скайнет» всё ближе: впервые в истории спутник сам обнаружил то, что нужно, с помощью ИИ |
||
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2026-06-28 11:01 Обычно спутники передают большие объемы данных аналитикам на Земле Впервые в истории спутник дистанционного зондирования Земли самостоятельно, без присутствия специалистов на Земле, обнаружил то, что искал. Это событие знаменует собой первое зарегистрированное использование модели визуального и языкового анализа на орбите и дает представление о том, как искусственный интеллект может коренным образом изменить возможности космических датчиков и их ценность. Как правило, спутники передают большие объемы данных аналитикам на Земле, которые используют алгоритмы машинного обучения или собственные наблюдения, чтобы понять, что происходит. Но на борту космического аппарата YAM-9, созданного компанией Loft Orbital, занимающейся космической инфраструктурой, программный пакет, разработанный Лабораторией реактивного движения NASA, определял области интереса в ответ на запросы на естественном языке. Модель обработки изображений и языка Gemma 3 от Google DeepMind, которая использовалась в демонстрации, специально разработана для периферийных приложений, то есть она предназначена для работы на ограниченном оборудовании вдали от центров обработки данных. Модели VLM сочетают в себе контекстное понимание больших языковых моделей со способностью анализировать изображения: исследователи попросили модель классифицировать данные с датчиков в местах соприкосновения природной среды и человеческой деятельности, например, или идентифицировать инфраструктуру вокруг железнодорожных узлов — и она справилась. Эта демонстрация важна по двум причинам. В ближайшей перспективе она может значительно повысить полезность космических датчиков, позволяя проводить первичную обработку данных на орбите и уменьшать поток необработанных данных, с которыми сейчас приходится работать аналитикам. В долгосрочной перспективе это станет подтверждением возможности запуска более масштабной инфраструктуры искусственного интеллекта в космосе. «Это открывает возможности для круглосуточного патрулирования в космосе, — сказал глава отдела искусственного интеллекта компании Loft Пол Лассерр в интервью TechCrunch. — Если у вас есть виртуальный космический модуль, вы можете использовать логику, например, „следите за этой границей и сообщайте мне, когда что-то подозрительно“, и взаимодействовать со спутниками». Извлечённые уроки помогут в разработке крупномасштабной вычислительной инфраструктуры в космосе, а также путь к созданию новых научных инструментов. «Мы думаем: хорошо, у нас есть астронавты в скафандрах, и мы знаем, что они не могут просто стучать по клавиатуре, все, что они хотят сделать, — это сложные задачи, — сказала Хуан Дельфа Виктория, технический руководитель группы искусственного интеллекта в Лаборатории реактивного движения NASA. — Так что, как насчет того, чтобы предоставить им помощника, как в видеоиграх и фильмах, где вы видите интерактивный искусственный интеллект?». Телеграм: t.me/ainewsline Источник: vk.com Комментарии: |
|