En un paso significativo para habilitar sistemas de IA autónomos en el espacio, Meta y Booz Allen Hamilton han anunciado el despliegue de LLama espacialuna instancia personalizada de la fuente abierta de Meta modelo de lenguaje grandeLlama 3.2, a bordo del Laboratorio Nacional de la Estación Espacial Internacional (ISS) estadounidense. Esta iniciativa marca una de las primeras integraciones prácticas de un LLM en un entorno remoto, limitado por ancho de banda, basado en el espacio.
Abordar los desafíos de desconexión y autonomía
A diferencia de las aplicaciones terrestres, los sistemas de IA implementados en órbita enfrentan limitaciones estrictas: recursos de cómputo limitados, ancho de banda restringido y enlaces de comunicación de alta latencia con estaciones terrestres. Space Llama ha sido diseñado para funcionar completamente fuera de línea, lo que permite a los astronautas acceder a la asistencia técnica, la documentación y los protocolos de mantenimiento sin requerir el apoyo en vivo del control de la misión.
Para abordar estas restricciones, el modelo AI tuvo que optimizarse para la implementación a bordo, incorporando la capacidad de razonar sobre consultas específicas de la misión, recuperar el contexto de las tiendas de datos locales e interactuar con los astronautas en lenguaje natural, todo sin conectividad a Internet.
Marco técnico e pila de integración
La implementación aprovecha una combinación de tecnologías disponibles comercialmente y adaptadas a la misión:
- Llama 3.2: El último LLM de código abierto de Meta sirve como base, ajustada para la comprensión contextual y las tareas de razonamiento general en entornos de borde. Su arquitectura abierta permite una adaptación modular para aplicaciones de grado aeroespacial.
- A2E2 ™ (IA para entornos de borde): El marco AI de Booz Allen proporciona una implementación contenederizada y una orquestación modular adaptada a entornos limitados como la ISS. Abraza la complejidad en el servicio de modelo y la asignación de recursos en diversas capas de cómputo.
- HPE SpaceBorne Computer-2: Esta plataforma de computación Edge, desarrollada por Hewlett Packard Enterprise, proporciona hardware de procesamiento de alto rendimiento confiable para el espacio. Admite cargas de trabajo de inferencia en tiempo real y actualizaciones de modelos cuando sea necesario.
- GPU NVIDIA CUDA Capaz de: Estos permiten la ejecución acelerada de tareas de inferencia basadas en transformadores mientras se mantiene dentro del estricto poder y presupuestos térmicos de la ISS.
Esta pila integrada garantiza que el modelo funcione dentro de los límites de la infraestructura orbital, entregando servicios públicos sin comprometer la confiabilidad.
Estrategia de código abierto para IA aeroespacial
La selección de un modelo de código abierto como Llama 3.2 se alinea con un impulso creciente en torno a la transparencia y la adaptabilidad en la IA crítica de la misión. Los beneficios incluyen:
- Modificabilidad: Los ingenieros pueden adaptar el modelo para cumplir con los requisitos operativos específicos, como la comprensión del lenguaje natural en la terminología de la misión o el manejo de entradas de astronautas multimodales.
- Soberanía de datos: Con toda la inferencia ejecutándose localmente, los datos confidenciales nunca necesitan abandonar la ISS, asegurando el cumplimiento de la NASA y los estándares de privacidad de la agencia asociada.
- Optimización de recursos: El acceso abierto a la arquitectura del modelo permite un control de grano fino sobre la memoria y el uso de calcular, crítico para entornos donde se priorizan el tiempo de actividad del sistema y la resiliencia.
- Validación basada en la comunidad: El uso de un modelo de código abierto ampliamente estudiado promueve la reproducibilidad, la transparencia en el comportamiento y las mejores pruebas en condiciones de simulación de misión.
Hacia misiones de larga duración y autónomas
Space Llama no es solo una demostración de investigación, sino que sienta las bases para integrar los sistemas de IA en misiones a más largo plazo. En futuros escenarios como puestos de avanzada lunares o hábitats de espacio profundo, donde la latencia de comunicación de ida y vuelta con la Tierra abarca minutos o horas, los sistemas inteligentes a bordo deben ayudar con el diagnóstico, la planificación de operaciones y la resolución de problemas en tiempo real.
Además, la naturaleza modular de la plataforma A2E2 de Booz Allen abre el potencial para expandir el uso de LLM a entornos no espaciales con restricciones similares, como estaciones de investigación polares, instalaciones submarinas o bases operativas avanzadas en aplicaciones militares.
Conclusión
La iniciativa Space Llama representa un avance metódico en la implementación de sistemas de IA a entornos operativos más allá de la Tierra. Al combinar los LLM de código abierto de Meta con la experiencia de implementación de borde de Booz Allen y el hardware probado de informática espacial, la colaboración demuestra un enfoque viable para la autonomía de IA en el espacio.
En lugar de apuntar a la inteligencia generalizada, el modelo está diseñado para una utilidad limitada y confiable en contextos relevantes para la misión, una distinción importante en entornos donde la robustez y la interpretabilidad tienen prioridad sobre la novedad.
A medida que los sistemas espaciales se vuelven más definidos por software y asistidos por AI-AI, esfuerzos como Space Llama servirán como puntos de referencia para futuros despliegues de IA en exploración autónoma y habitación fuera de la Tierra.
Mira el Detalles aquí. Además, no olvides seguirnos Gorjeo y únete a nuestro Canal de telegrama y LinkedIn GRsalpicar. No olvides unirte a nuestro 90k+ ml de subreddit.
Nikhil es consultor interno en MarktechPost. Está buscando un doble grado integrado en materiales en el Instituto Indio de Tecnología, Kharagpur. Nikhil es un entusiasta de AI/ML que siempre está investigando aplicaciones en campos como biomateriales y ciencias biomédicas. Con una sólida experiencia en la ciencia material, está explorando nuevos avances y creando oportunidades para contribuir.
