La viabilidad de los centros de datos orbitales que alojen los modelos de lenguaje más grandes y capaces sigue siendo objeto de debate. Pero los despliegues enormes que requieren miles de GPUs no son la única forma en que estos modelos podrían resultar útiles en el espacio. El Laboratorio de Propulsión a Chorro (JPL) de la NASA envió recientemente al espacio Gemma 3, el modelo abierto de Google, y consiguió la primera demostración en órbita de un modelo visión-lenguaje analizando imágenes captadas por el sensor de un satélite.

El sistema, conocido como NAVI-Orbital, usó Gemma 3 para analizar imágenes captadas por un satélite YAM-9 fabricado por Loft Orbital. Juan M. Delfa, líder de grupo técnico en la NASA, señaló que aunque en este caso el objetivo era el análisis de imágenes, el éxito del proyecto implica una forma fundamentalmente nueva de que los investigadores en tierra interactúen con las naves.

"Este es un cambio mayor", dijo Delfa. "Ahora un científico puede escribir una instrucción, subirla a la nave, y el sistema la tomará en cuenta. Es distinto de los paradigmas previos, donde los investigadores tenían que escribir comandos muy estructurados que requerían un equipo de operaciones y todo un proceso."

¿Cómo funciona Gemma 3 en órbita?

En su núcleo, NAVI-Orbital es un marco de software agéntico desarrollado por Delfa junto a Taran Cyriac John, investigador de IA en NASA JPL, y Andrew W. Herson, líder técnico en Loft Orbital. El sistema coordina las operaciones con un conductor basado en LangGraph y despliega una versión comprimida en formato de 4 bits de Gemma 3 4B, un modelo de pesos abiertos, para producir descripciones de imágenes en texto plano.

Las cifras técnicas explican por qué esto es posible fuera de un centro de datos:

  • Precisión: 88 por ciento al clasificar imágenes en un conjunto de referencia de 7.960 imágenes
  • Modelo: Gemma 3 4B en 4 bits, el mismo modelo base que cualquiera puede descargar y usar en un notebook, sin entrenamiento ni ajuste fino sobre este conjunto
  • Memoria: solo 8 GB, lo que permite correrlo en un dispositivo de bajo consumo
  • Hardware de vuelo: un módulo NVIDIA Jetson Orin AGX, el mismo que se usa habitualmente en robótica y tareas de IA

El benchmark se corrió en tierra para validar el sistema antes del lanzamiento. Ya en órbita, los investigadores de la NASA realizaron dos capturas en vivo con una cámara del satélite YAM-9 de Loft: una sobre Toulouse, Francia, y otra sobre la costa de Argentina. Además de generar una descripción de cada imagen, se le hicieron a Gemma 3 preguntas guionadas, como si contenían zonas comerciales o residenciales, o si mostraban rasgos naturales.

El análisis ocurrió a bordo del YAM-9, que lleva un clúster de cómputo con varios procesadores endurecidos contra radiación (FPGAs, CPUs y GPUs) para atender múltiples cargas de clientes en simultáneo. El satélite se alimenta con paneles solares que entregan entre 150 y 500 watts según su posición.

¿Para qué sirve leer imágenes en el espacio?

Paul Lasserre, gerente general de Loft Orbital, dijo que los modelos de lenguaje con visión podrían significar un "cambio de paradigma" para las operaciones orbitales. Al contrario de lo que sugieren las películas de espías, la mayoría de los satélites no pueden entregar imágenes y video de alta fidelidad en tiempo real a observadores en tierra. El ancho de banda suele ser limitado y, en muchos casos, los satélites solo transmiten datos a estaciones terrestres en intervalos fijos según su órbita.

Lasserre cree que los modelos de IA pueden sortear ese problema con "compresión semántica". En lugar de enviar grandes volúmenes de datos crudos, el satélite puede reportar un resumen en texto de la información relevante.

"No importa si el enlace es lento, porque estás bajando decenas de kilobytes en vez de decenas o cientos de megabytes", dijo Lasserre.

Delfa lo ilustró con un ejemplo concreto: la detección de incendios forestales. Los satélites ya son capaces de detectar incendios, pero los límites de ancho de banda y procesamiento pueden retrasar los resultados hasta 90 minutos. Un satélite capaz de analizar una imagen en el espacio y reportar una alerta en texto plano podría eliminar esa demora.

Del análisis de imágenes al control de la nave

Un dato clave: Gemma 3 no está a los mandos. NAVI-Orbital está deliberadamente aislado del software de vuelo. Lee imágenes y produce descripciones, con capacidad de decidir cómo se analizan, pero sin acceso más allá de eso. Aun así, la interfaz es novedosa: reconfigurar el sistema para buscar otro tipo de objetivo, como incendios, es cuestión de editar una instrucción de texto, sin reescribir ni revalidar el software a bordo.

La visión de largo plazo va más allá de los satélites no tripulados. Delfa contó que NAVI nació pensando en cómo la IA podría acompañar a los astronautas. "Los astronautas tienen muchas limitaciones dentro del traje espacial en términos de destreza, así que concebimos la idea de tener a NAVI como compañero del astronauta, para permitir la interacción por lenguaje natural", explicó. Hará falta mucha investigación adicional para llegar tan lejos, pero la demostración de NAVI-Orbital ya probó que dos elementos son posibles: desplegar un modelo de lenguaje en el espacio y controlarlo con instrucciones de texto.