NASA AI pretraga podataka sve više služi da istraživači pronađu veze između decenija satelitskih merenja, dokumenata i podataka o misijama. U tekstu objavljenom 28. septembra Microsoft opisuje kako NASA koristi opšte AI alate, ali i specijalizovane sisteme za nauku o Zemlji i rad timova u svemirskim misijama. To je priča o bržem pristupu postojećem znanju, a ne tvrdnja da je veštačka inteligencija samostalno potvrdila novo naučno otkriće.
Zašto je NASA AI pretraga podataka važna
NASA raspolaže velikim javnim arhivama opažanja, simulacija i dokumentacije. Problem nastaje kada su srodne informacije u različitim sistemima i formatima. Anna Steers-Smith, savetnica agencije za AI, u Microsoftovom razgovoru objašnjava da otvorene podatke nije uvek lako pronaći ili povezati. Alat koji prihvata pitanje običnim jezikom može pomoći korisniku da dođe do relevantnog skupa, ali naučna vrednost odgovora i dalje zavisi od kvaliteta izvornog merenja.
Microsoft navodi Earth Copilot i Hydrology Copilot, razvijene u saradnji sa NASA-om, kao primere rada sa složenim podacima o Zemlji. Hydrology Copilot je namenjen pitanjima o vodi: može da analizira veličine kao što su padavine i vlažnost tla. Takvi podaci su važni za razumevanje suše i rizika od poplava. Ipak, opis mogućnosti ne treba čitati kao garanciju precizne lokalne prognoze za bilo koje mesto ili datum.
Od naučnih arhiva do kontrolnog centra
Pored istraživačkih podataka, u NASA-inom Johnson Space Centeru ispituje se prototip AI agenta za podršku kontrolorima SPARTAN tima, koji prati napajanje i termalni sistem Međunarodne svemirske stanice. U opisu je agent zamišljen kao pomoć pozadinskom timu koji pronalazi i sažima relevantne informacije. Reč je o prototipu i mogućoj budućoj ulozi, ne o autonomnom upravljanju stanicom.
Tokom pripreme misije Artemis II različiti timovi imali su bezbednosne analize, inženjerske preglede i druge podatke u najmanje deset odvojenih izvora, piše Microsoft. Troy LeBlanc iz NASA-inog centra kaže da su AI alati pomogli u izradi scenarija rizika i preporuka za planiranje. Odluke su ipak bile zadatak odgovornih ljudi. Brzina sastavljanja predloga nije isto što i potvrda da je svaka preporuka ispravna.
Šta se može zaključiti, a šta još ne
U tekstu se pominje i upotreba AI alata za pregled literature, kao i prošlogodišnji interni hakaton na koji se prijavilo više od 500 zaposlenih. Jedan od projekata omogućava pretragu NASA baze ranijih naučenih lekcija kroz razgovor. To su različiti slučajevi upotrebe; ne postoji jedan univerzalni model koji istovremeno razume sve satelitske, hidrologijske i operativne podatke.
Ne propustite ovo
Naučnik mora moći da prati odgovor do skupa podataka, datuma, instrumenta i metode. Generativni sistem može propustiti ograničenje merenja ili dati uverljiv sažetak pogrešnog dokumenta. Zato vredi razlikovati pronalaženje traga za istraživanje od samog istraživačkog rezultata. Microsoftov prilog donosi izjave učesnika, ali ne predstavlja nezavisno merenje tačnosti svakog pomenutog alata u realnom radu.
Zašto tema ima šire značenje
Sličan problem imaju bolnice, univerziteti i kompanije sa starim arhivama: znanje postoji, ali se nalazi u odvojenim bazama. Prirodni jezik može olakšati prvi korak, pod uslovom da su dozvole, dokumentovane veze do izvora i ljudska provera sastavni deo postupka. To je naše objašnjenje mogućeg šireg značaja NASA-inog iskustva, a ne zasebna najava novih Microsoftovih proizvoda.
Za čitaoca koji želi da razume gde se podaci obrađuju, naš vodič o lokalnom AI-u na svom računaru objašnjava prednosti i ograničenja obrade na sopstvenom uređaju. NASA-in slučaj je drugačiji po obimu i vrsti podataka, ali postavlja isto osnovno pitanje: može li korisnik da proveri odakle odgovor potiče i šta alat zapravo zna.
Praktičan test za svaki sličan sistem bio bi da korisnik postavi isto pitanje na više načina, proveri prikazane izvore i uporedi rezultat sa ručnom pretragom. Ako podaci nisu dovoljno jasni ili potiču iz različitih vremenskih perioda, odgovor mora pokazati ograničenje. Bez toga brza pretraga samo ubrzava širenje greške. NASA AI pretraga podataka posebno je korisna kada daje trag do javne arhive, gde se deo tvrdnji može samostalno proveriti, dok se o internim operativnim sistemima može suditi samo prema podacima koje timovi objave.
Zaključak
Prema Microsoftovom intervjuu sa NASA timovima, AI već pomaže u snalaženju kroz deo velikih naučnih arhiva, a pojedine operativne primene se tek istražuju. Earth Copilot i Hydrology Copilot olakšavaju rad sa podacima o Zemlji; SPARTAN agent u kontrolnom centru ostaje prototip. Najvrednije obećanje je brže pronalaženje proverenih podataka, uz jasnu granicu između predloga modela i zaključka stručnjaka.
