Пока мир готовится к эпохе сетей шестого поколения, настоящая арена будущей конкуренции может оказаться вовсе не на поверхности планеты, а на орбите. Коммерческое внедрение 6G ожидают ближе к 2030 году, но учёные уже сейчас пересматривают саму логику работы искусственного интеллекта в глобальном масштабе. Речь идёт не просто о более быстрых каналах связи — 6G должен стать основой для «вездесущего интеллекта», доступного буквально в любой точке мира.
Международный союз электросвязи (ITU) среди ключевых сценариев 6G называет «интеграцию ИИ и связи» и «повсеместную подключённость». Звучит амбициозно, но на практике возникает проблема: как доставить интеллектуальные сервисы в удалённые, труднодоступные и слабо покрытые регионы? Наземные сети уже сегодня упираются в физические и экономические ограничения, а задачи ИИ становятся всё тяжелее и чувствительнее к задержкам. Выходит, без помощи космоса не обойтись.
ИИ, который «течёт», как вода
Ответ на этот вызов предложили исследователи из Университета Гонконга и Сианьского университета электронных наук и технологий. Они разработали концепцию space–ground fluid AI — «космически-наземного текучего ИИ».
Идея строится на объединении краевого искусственного интеллекта (edge AI) и интегрированных сетей «космос–Земля» (SGIN), где спутники становятся не только ретрансляторами сигнала, но и вычислительными узлами — по сути, орбитальными ИИ-серверами.
Название «текучий» здесь не случайно. Как вода свободно перетекает через границы, так и модели ИИ с данными могут непрерывно мигрировать между спутниками и наземными станциями. Это расширяет привычную двумерную архитектуру edge AI до полноценного трёхмерного пространства.
Три кита текучего ИИ
Вся система держится на трёх ключевых механизмах:
Fluid learning (текучее обучение). Обучение моделей ИИ обычно требует времени и плотной инфраструктуры. Здесь же используется безинфраструктурное федеративное обучение: параметры модели «перемешиваются» за счёт движения самих спутников. Их орбитальная динамика из недостатка превращается в преимущество — ускоряя сходимость обучения и повышая точность.
Fluid inference (текучий вывод). Для принятия решений в реальном времени нейросеть разбивается на каскадные подмодели, распределённые между спутниками и наземными узлами. В зависимости от качества связи и доступных ресурсов система может «выходить раньше», жертвуя частью точности ради минимальной задержки. Умный компромисс между скоростью и качеством — именно то, что нужно для 6G.
Fluid model downloading (текучая доставка моделей). Полные модели хранить на спутниках дорого и неэффективно. Вместо этого кэшируются отдельные блоки параметров, которые могут мигрировать по межспутниковым каналам. Повторно используемые компоненты рассылаются по мультикасту сразу множеству устройств, снижая задержки и экономя спектр.
Спутники как ИИ-серверы
Работа ИИ в космосе — задача не из простых. Радиация, ограниченное энергоснабжение и нестабильные каналы связи требуют особого подхода. Учёные подчёркивают важность радиационно-стойкого «железа», отказоустойчивых вычислений и энергосберегающего планирования задач.
В перспективе команда планирует развивать направления энергоэффективного, сверхнизколатентного и защищённого текучего ИИ, балансируя между производительностью, надёжностью и безопасностью.
Используя предсказуемые орбиты и повторяемость движения спутников, концепция space–ground fluid AI может стать ключевым элементом глобального edge-интеллекта в эпоху 6G. И если раньше космос был лишь «трубопроводом» для связи, то теперь он претендует на роль полноценного вычислительного слоя планетарного масштаба.
Подробности работы опубликованы в журнале Engineering.
