AI generativa sale a bordo: test su rover, Stazione e satelliti

A dicembre, il Jet Propulsion Laboratory ha usato i modelli Claude di Anthropic per aiutare a pianificare due tragitti su Marte del rover Perseverance. I pianificatori hanno controllato e corretto il percorso prima di inviarlo al veicolo.¹

A maggio, NASA e IBM hanno caricato un modello di AI compresso sulla Stazione Spaziale Internazionale e su un satellite. Il sistema ha identificato dall’orbita elementi come alluvioni e nuvole. Gli autori lo descrivono come il primo modello di questo tipo dimostrato nello spazio.¹

A luglio, gli astronauti sulla ISS hanno messo alla prova un large language model. Obiettivo: capire se può aiutare con domande sulle procedure di manutenzione.¹

Queste prove segnano un cambio nel modo di concepire i sistemi spaziali. Per decenni, i team a Terra definivano cosa dovesse fare una macchina in orbita o su un altro pianeta, e la macchina eseguiva. Ora i ricercatori testano sistemi non deterministici, come l’AI generativa, per valutare se possano interpretare l’ambiente, pianificare i compiti e, un domani, prendere decisioni.¹

La distanza dalla piena fiducia resta ampia. La tecnologia non è ritenuta affidabile al punto da consegnarle il controllo di un veicolo. Nei test, l’AI suggerisce. Gli umani verificano e correggono. Solo dopo approvano l’upload. È lo schema visto anche nei due tragitti di Perseverance.¹

Il carattere non deterministico di questi modelli apre interrogativi sulla validazione delle risposte. Lo stesso tratto che può offrire alternative utili rende necessario controllare ogni output, soprattutto in contesti con vincoli rigidi e margini di errore stretti.¹

I casi d’uso finora esplorati restano circoscritti. Un supporto alla pianificazione dei movimenti di un rover. Un modello a bordo che etichetta elementi osservabili dalle immagini orbitali. Un assistente testato per domande su procedure a bordo. Sono attività definite e verificabili, in cui la proposta dell’AI passa comunque al vaglio umano prima di incidere sulle operazioni.¹

Il quadro che emerge è di sperimentazioni a basso rischio, mirate a misurare se l’AI generativa possa aumentare la flessibilità senza toccare funzioni critiche. I team valutano se questi strumenti sappiano leggere il contesto e suggerire opzioni operative. La logica resta quella del “human-in-the-loop”.¹

Gli esperimenti non chiudono il dibattito sull’autonomia. Lo spostano. Gli ingegneri non chiedono più solo che cosa far eseguire a una macchina, ma quanto spazio lasciarle per interpretare e decidere. La domanda successiva è dove fissare i limiti, e come verificarli, man mano che i test passano dalla pianificazione di un tragitto o dal riconoscimento di “nuvole” e “alluvioni” a compiti con implicazioni più ampie.¹