В недавнем испытании ChatGPT продемонстрировал неожиданно высокую эффективность в роли пилота космического аппарата. Искусственный интеллект занял второе место в соревновании по автономному управлению космическим кораблем в симуляции, удивив исследователей своим результатом. Ключевая подсказка, задавшая его поведение, звучала: «Вы действуете как автономный агент, управляющий преследующим космическим кораблем».
Необходимость автономных систем в космосе становится критической. Человечество не сможет вручную управлять стремительно растущим количеством спутников. Для глубокого космоса задержки связи, вызванные конечной скоростью света, исключают прямое управление с Земли в реальном времени. Будущее освоения пространства требует роботов, способных принимать решения самостоятельно.
Идеальной площадкой для испытаний стал Kerbal Space Program Differential Game Challenge. Эта задача, основанная на популярной игре Kerbal Space Program, создает условно реалистичную среду для проектирования и тестирования автономных систем. Сценарии включают перехват спутника и уклонение от обнаружения.
Международная команда ученых решила проверить в этом испытании коммерчески доступные большие языковые модели (LLM), такие как ChatGPT и Llama. Их исследование готовится к публикации в Journal of Advances in Space Research. Традиционные методы разработки автономных систем требуют длительных циклов обучения и доработки. Однако реалистичные миссии в Kerbal длятся лишь часы, что делает такой подход непрактичным. LLM, обученные на огромных массивах человеческих знаний, предлагают альтернативу: они потенциально способны адаптироваться к ситуации с помощью минимальной инженерии промптов («небольшого количества тщательной инженерии промптов»).
Метод управления был нестандартным. Исследователи преобразовывали текущее состояние корабля и его цель в текстовое описание. Этот текст передавался LLM, которая выдавала рекомендации по ориентации и маневрам аппарата. Затем специально разработанный трансляционный слой преобразовывал текстовый ответ ИИ в исполняемый код, управляющий симуляцией.
Результат впечатлил. Используя «небольшую серию промптов и некоторую тонкую настройку», ChatGPT успешно выполнил множество тестов в рамках Kerbal Challenge. В итоге модель заняла второе место в соревновании, уступив только алгоритму, основанному на специализированных уравнениях.
Работа проводилась до выхода ChatGPT версии 4 (GPT-4), и сохраняются серьезные ограничения. Главная проблема – необходимость исключить «галлюцинации» (нежелательный, бессмысленный вывод), которые были бы «особенно катастрофичны в реальном сценарии». Тем не менее, успех «готовых» LLM, таких как ChatGPT и Llama, поглотивших колоссальные объемы знаний, показывает их потенциал для применения в неожиданных областях, включая пилотирование космических аппаратов.
Контекст космических событий включает «зомби»-спутник NASA, излучающий мощные радиоимпульсы после 60 лет молчания, обнаружение NASA обломков японского лунного модуля "Resilience" на орбите и катастрофический провал рутинного испытания корабля SpaceX Starship в Техасе.
Изображение носит иллюстративный характер
Необходимость автономных систем в космосе становится критической. Человечество не сможет вручную управлять стремительно растущим количеством спутников. Для глубокого космоса задержки связи, вызванные конечной скоростью света, исключают прямое управление с Земли в реальном времени. Будущее освоения пространства требует роботов, способных принимать решения самостоятельно.
Идеальной площадкой для испытаний стал Kerbal Space Program Differential Game Challenge. Эта задача, основанная на популярной игре Kerbal Space Program, создает условно реалистичную среду для проектирования и тестирования автономных систем. Сценарии включают перехват спутника и уклонение от обнаружения.
Международная команда ученых решила проверить в этом испытании коммерчески доступные большие языковые модели (LLM), такие как ChatGPT и Llama. Их исследование готовится к публикации в Journal of Advances in Space Research. Традиционные методы разработки автономных систем требуют длительных циклов обучения и доработки. Однако реалистичные миссии в Kerbal длятся лишь часы, что делает такой подход непрактичным. LLM, обученные на огромных массивах человеческих знаний, предлагают альтернативу: они потенциально способны адаптироваться к ситуации с помощью минимальной инженерии промптов («небольшого количества тщательной инженерии промптов»).
Метод управления был нестандартным. Исследователи преобразовывали текущее состояние корабля и его цель в текстовое описание. Этот текст передавался LLM, которая выдавала рекомендации по ориентации и маневрам аппарата. Затем специально разработанный трансляционный слой преобразовывал текстовый ответ ИИ в исполняемый код, управляющий симуляцией.
Результат впечатлил. Используя «небольшую серию промптов и некоторую тонкую настройку», ChatGPT успешно выполнил множество тестов в рамках Kerbal Challenge. В итоге модель заняла второе место в соревновании, уступив только алгоритму, основанному на специализированных уравнениях.
Работа проводилась до выхода ChatGPT версии 4 (GPT-4), и сохраняются серьезные ограничения. Главная проблема – необходимость исключить «галлюцинации» (нежелательный, бессмысленный вывод), которые были бы «особенно катастрофичны в реальном сценарии». Тем не менее, успех «готовых» LLM, таких как ChatGPT и Llama, поглотивших колоссальные объемы знаний, показывает их потенциал для применения в неожиданных областях, включая пилотирование космических аппаратов.
Контекст космических событий включает «зомби»-спутник NASA, излучающий мощные радиоимпульсы после 60 лет молчания, обнаружение NASA обломков японского лунного модуля "Resilience" на орбите и катастрофический провал рутинного испытания корабля SpaceX Starship в Техасе.
