Günümüzdeki uydu görüntüleme yaklaşımı, devasa boyutlarda fotoğraflar çekip Dünya'ya aktarmak ve ardından bu verileri insan operatörler ile en gelişmiş algoritmaların incelemesine sunmak üzerine kurulu. Bu yöntem bugüne kadar işe yarasa da, zaman, iletişim bant genişliği ve enerji tüketimi gibi konularda giderek artan kısıtlamalarla karşılaşıyor. Modern uydular, bilim insanlarının inceleyebileceğinden çok daha fazla piksel verisi topluyor.
Ancak, YAM-9 uydusu bu rutinin dışına çıkarak, yer kontrol merkezine geri dönmeye gerek kalmadan kendi çektiği görüntüleri analiz edip tanımlama yeteneği kazandı. Dahası, bu uyduya, 'Bu ülkedeki tüm tren istasyonlarını bul' gibi, günlük hayatta kullanılan doğal dil komutlarıyla yön verilebiliyor.
Bu çığır açan gelişme, NASA'nın Jet İtki Laboratuvarı (JPL) ile teknoloji girişimi Loft Orbital bünyesindeki araştırmacılar tarafından geliştirilen NAVI-Orbital adlı bir program sayesinde mümkün oldu. Araştırmacılar, daha önce bir uyduyu yeni bir özelliği tanıyacak şekilde görevlendirmek için komut dizileri yazılması, yerdeki yazılımların yeniden doğrulanması ve yeni veri paketlerinin yüklenmesi gerektiğini belirtiyorlar. NAVI-Orbital sistemiyle ise yeniden hedefleme, yalnızca yeni bir komutu düzenleyip yüklemek kadar basit hale geliyor. Bu da görevlendirme döngüsünü kısaltıyor ve uzmanlık gerektiren alan dışındaki kişilerin de uydulara görev atayabilmesini sağlıyor.
Genellikle, yapay zeka sohbet robotlarıyla etkileşim kurarken, sorgularınız enerji yoğun veri merkezlerine gönderilir, orada işlenir ve bir yanıt geri gönderilir. Ancak yapay zeka modellerini doğrudan bir cihaza yerleştirerek, bu ileri geri iletişim süreci olmadan çok daha hızlı bir işlem gerçekleşir. Bir uydu için bu, yerle olan iletişim ihtiyacını önemli ölçüde azaltır.
Bu yapay zeka, görüntüdeki köprüler, otoyollar, belirli su kütleleri veya sel ve orman yangınları gibi doğal afet belirtileri gibi analistlerin aradığı şeyleri 'görebiliyor' ve tanımlayabiliyor. Uyduda yerel olarak kurulu yapay zeka, Google DeepMind Gemma 3'ün hafifletilmiş modellerinden oluşuyor ve bu modeller dizüstü bilgisayarlarda bile çalışabiliyor. Hem metin hem de görüntü işleyebilen bu 'görsel-dil modeli', küçük bir uydu üzerinde, fiziksel boyut, enerji tüketimi ve işlem gücünün dikkatle yönetilmesi gereken durumlarda büyük önem taşıyor.
Bu sistem, birbiriyle iş yapan üç farklı yapay zeka aracından oluşan bir mimari tarafından yönetiliyor: Yürütmeyi koordine eden bir düzenleyici, görüntüleri analiz eden, sınıflandıran ve özetleyen bir tespit edici ve sonuçlar hakkında sorular sorulmasını sağlayan bir diyalog aracı. Yani, teknisyenler her bir iş için uyduyu programlamak yerine, uydunun yazılımına doğrudan soru sorabiliyor. Bu tasarım, NAVI'yi sıfırdan yeniden inşa etmeye gerek kalmadan farklı görevlere uyum sağlayabilir hale getiriyor.
Yerde yapılan temel testlerde, sistem 7.960 civarında görüntüyü %88,2'lik bir doğrulukla kategorize edebildi. Bunlar arasında konut alanları, plajlar, tarım bölgeleri ve dağlar gibi sınıflar yer alıyor. Şu ana kadar yörüngede iki canlı görüntü yakalama işlemi gerçekleştirildi ve daha fazlası planlanıyor.
Gelecekte, bu tür teknolojilerin düşük Dünya yörüngesinin çok ötesinde uygulamaları olabilir. Gösterilen bu basit ve hızlı komut-analiz yaklaşımı, Ay veya Mars yüzeyini keşfeden robotlarla da kullanılabilir. Hatta astronotların karmaşık görevleri yerine getirirken klavyeyle uğraşmak yerine, video oyunlarındaki gibi etkileşimli bir yapay zeka asistanı kullanması hayal ediliyor.
Araştırmacılara göre, YAM-9 gibi yaklaşık 100 uydu ile gezegenimizin tamamı için gerçek zamanlı kapsama alanı oluşturulabilir. Bu teknoloji sayesinde, uydu görüntülerinin neyi gösterdiğini anlamak için Dünya'ya geri gönderilmesine gerek kalmayabilir. Bu, orman yangını dumanını takip etmekten limanlardaki veya sınırlardaki olağandışı faaliyetleri gerçek zamanlı izlemeye kadar birçok alanda faydalı olabilir. Elbette bu durum, aynı zamanda potansiyel olarak gözetim seviyesi açısından da endişe verici olabilir.
Bu yeteneklerin ölçeklendirilmesi üzerinde çalışılıyor; sivil, ticari veya savunma amaçlı hızlı ve yerinde karar verme gerektiren görevler destekleniyor. Hedef, uyduların sürekli bir gözetleme görevi görmesi. Örneğin, bir kıyı şeridini petrol sızıntıları açısından izlemesi veya bir sınırın yakınındaki yeni inşaatları bildirmesi istenebilir. Uydu, gördüklerini değerlendirir ve yalnızca belirtilen kriterleri karşılayan bir durum olduğunda geri bildirimde bulunur.
Doğruluk ve güvenilirlik açısından hala geliştirilmesi gereken noktalar var. Ayrıca, yüksek riskli görüntü yorumlamanın yapay zekaya devredilmesine ilişkin önemli etik sorular da gündemde. Araştırmacılar, olası 'zararlı komutlar' durumunu henüz incelemediler ve bu nedenle bulgularını sağlamlık karakterizasyonu yerine bir fizibilite sonucu olarak değerlendirmek gerektiğini belirtiyorlar. Bu zorluklara rağmen, araştırmacılar bu çığır açan teknolojinin yakında standart hale geleceğine inanıyor. Bu gelişme, uzayda her zaman açık, devriye gezen katmanların kapısını aralıyor.
