گوگل، آمازون و xAI در حال رقابت برای ایجاد سامانههای هوش مصنوعی مبتنی بر فضا هستند. شبکههای مداری میتوانند تأخیر و فشار وارد بر مصرف انرژی روی زمین را کاهش دهند. قرارگیری هوش مصنوعی در مدار میتواند اتصال شبکه را در حوزههایی همچون اینترنت مناطق دورافتاده و واکنش اضطراری در بحرانها بهبود دهد.
در فاصلهای کوتاه و طی چند ماه، تلاش برای انتقال هوش مصنوعی به فضا از یک رؤیای دور به اولویتی استراتژیک و فوری تبدیل شده است. پروژه Suncatcher گوگل، پروژه Leo متعلق به آمازون برای توسعه اینترنت ماهوارهای، و اقدامات xAI متعلق به ایلان ماسک برای ایجاد محیطهای پردازشی مداری، همگی به یک جهت اشاره دارند: جهش بزرگ بعدی در مسیر هوش مصنوعی ممکن است نه روی زمین، بلکه در مدار نزدیک زمین رخ دهد.
با آنکه این چشمانداز در نگاه نخست غیرواقعی به نظر میرسد، در پس این بیانیههای تبلیغاتی و دیدگاههای بلندپروازانه، حجم قابلتوجهی از مهندسی واقعی و قابل اتکا قرار دارد. این تلاشها ناشی از فشار بیسابقهای است که زیرساختهای فعلی در برابر گسترش مدلهای هوش مصنوعی و افزایش تقاضا تجربه میکنند. مراکز داده، شبکههای فیبر نوری و شبکههای تأمین انرژی که ستون فقرات دیجیتال جهان را تشکیل میدهند، نشانههای ملموسی از فشار و محدودیت بروز دادهاند. منابع انرژی جدید نیز به سختی توان پاسخگویی دارند. افزون بر این، مسائلی مانند تأخیر ارتباط، خطرهای اقلیمی و موانع سیاسی نیز به عنوان عوامل تشدیدکننده مطرح هستند.
پروژه گوگل با نام Suncatcher به دنبال ایجاد گرههای پردازشی مداری است؛ گرههایی که با برخورداری از تابش تقریباً پیوسته خورشید و خنکسازی مبتنی بر خلأ فضا فعالیت میکنند. ایده اصلی این است که ماهوارههایی مجهز به واحدهای پردازشی Tensor گوگل بتوانند برای اجرای مدلهای یادگیری ماشینی، کارآمدتر از مراکز داده زمینی عمل کنند؛ بهویژه در وظایفی که نیازی به تعامل لحظهای با انسان ندارند. در مدار زمین، پنلهای خورشیدی بازده بیشتری دارند، خنکسازی سادهتر است و هیچ توفان یا خاموشی زمینی فعالیت آنها را مختل نمیکند.
در پروژه Amazon Leo، این شرکت در حال ایجاد شبکه پهنباند جهانی متشکل از هزاران ماهواره مدار نزدیک زمین است که در نهایت با زیرساخت ابری و هوش مصنوعی مرتبط خواهند شد. بخشی از این ماهوارهها ممکن است در آینده قادر باشند محاسبات لبهای را برای وظایف هوش مصنوعی در مناطقی که به خدمات ابری دسترسی محدود یا بدون دسترسی دارند، پشتیبانی کنند.
در همین حال، ایلان ماسک در حال ترسیم طرحهایی برای ایجاد مزارع پردازشی مداری برای xAI و SpaceX است؛ مزارعی که نهتنها مدلها را اجرا، بلکه آنها را آموزش نیز خواهند داد. این امر از نظر فنی بسیار دشوارتر است، اما برای وظایف فوقسنگینی که به انرژی پیوسته و محیطی ایزوله نیاز دارند، شاید توجیهپذیر باشد. اگر هدف، آموزش مدلی با چند تریلیون پارامتر بدون محدودیتهای پهنایباند زمینی یا گلوگاههای زیرساختی باشد، فضا گزینهای جذاب میشود.
این پروژهها میتوانند برای تعداد زیادی از مردم تغییرات بزرگی ایجاد کنند. مدارس مناطق دورافتاده قادر خواهند بود به ابزارهای ابری پرسرعت دسترسی پیدا کنند، و سامانههای پایش آبوهوا میتوانند با استفاده از قابلیت تحلیل بلادرنگ هوش مصنوعی مداری، وقوع سیل ناگهانی را پیشبینی کرده و مسیر انتقال کمکرسانی را اصلاح نمایند.
همچنین با استفاده از گرههای خورشیدی فعال در فضا، شرکتها میتوانند وابستگی کمتری به شبکههای زمینی با مصرف کربن بالا داشته باشند. ایده بهرهگیری از انرژی فضایی مدتها پیش از آغاز برنامههای فضایی مطرح شده بود. اکنون ممکن است تقاضای عظیم هوش مصنوعی همان نقطه تحول باشد که سرمایهگذاری در چنین پروژههایی را قابلتوجیه میکند.
source
کلاس یوس