Интернет станет жидким? Физики предлагают переливать данные между спутниками как воду, игнорируя границы и расстояния

Пока мир только готовится к появлению сетей шестого поколения, всё больше исследователей приходят к выводу: ключевые изменения могут произойти вовсе не на Земле, а на орбите. Коммерческий запуск 6G ожидается ближе к 2030 году, но обсуждение будущей архитектуры сетей уже сейчас выходит далеко за рамки скорости передачи данных.

Международный союз электросвязи в своих документах постоянно говорит о сетях, в которые искусственный интеллект встроен изначально, а не добавлен поверх существующей инфраструктуры. Речь идёт о системах, которые не просто передают информацию, а умеют её обрабатывать, анализировать и принимать решения прямо в процессе связи. Однако у такого подхода быстро обнаруживается слабое место: наземных сетей может не хватить, чтобы обеспечить стабильную работу ИИ в удалённых регионах, на океанах, в горах или там, где инфраструктура развита слабо.

По мере роста ИИ нагрузок ситуация только усложняется. Современные модели требуют всё больше вычислений и всё чувствительнее реагируют на задержки. Даже плотная сеть базовых станций не всегда способна обеспечить нужное качество сервиса, если речь идёт о глобальном охвате. Именно здесь, по мнению исследователей из Университета Гонконга и Сидяньского университета, на сцену должны выйти спутники.

В своей работе учёные предлагают объединить периферийные вычисления с так называемыми интегрированными космико-наземными сетями. В такой схеме спутники перестают быть лишь зеркалами для сигнала и превращаются в полноценные вычислительные узлы. Этот подход получил название space–ground fluid AI — космико-наземный «текучий» искусственный интеллект.

Авторы исходят из того, что классические архитектуры edge AI, рассчитанные на фиксированные наземные узлы, плохо подходят для орбитальных систем. Спутники постоянно движутся, каналы связи с Землёй ограничены по пропускной способности и доступны не всегда. Раньше эти факторы считались главным препятствием для использования ИИ в космосе.

В основе концепции лежит простая аналогия: данные и модели должны перемещаться между нашей планетой и орбитой так же свободно, как вода перетекает между сосудами. Система не привязывается жёстко к одному месту и может подстраиваться под текущие условия. Для этого используется три взаимосвязанных механизма: текучее обучение, текучий вывод и текучая загрузка моделей.

Текучее обучение решает проблему долгого и дорогого обучения ИИ. Вместо плотной сети наземных станций или постоянных межспутниковых соединений используется само движение спутников. По мере полёта по орбитам они обмениваются параметрами моделей, фактически разнося знания по разным регионам. То есть мобильность перестаёт мешать и начинает помогать: обучение сходится быстрее, а итоговая точность оказывается выше.

Отдельное внимание уделяется тому, как ИИ должен принимать решения без задержек в режиме реального времени. Вместо того чтобы выполнять весь расчёт в одном месте, модель разбивают на несколько этапов и распределяют их между спутниками и наземной инфраструктурой. По ходу работы система оценивает качество канала связи и доступные вычислительные ресурсы и выбирает, где выгоднее продолжать обработку. Если результат становится достаточно надёжным уже на раннем этапе, вычисления можно остановить раньше обычного. Такой подход позволяет быстрее получать ответы, не жертвуя точностью сильнее, чем это действительно необходимо.

Третий элемент — текучая загрузка моделей — касается доставки ИИ к конечным пользователям. Вместо хранения целых моделей на спутниках сохраняются только отдельные блоки параметров. Эти блоки могут перемещаться между спутниками, повышая шанс того, что нужные данные окажутся поблизости в нужный момент. Дополнительно используется многоадресная передача, когда одни и те же части модели отправляются сразу нескольким устройствам, снижая нагрузку на каналы связи.

Размещение вычислений на орбите, впрочем, несёт и собственные сложности. Спутники работают в условиях радиации, имеют жёсткие ограничения по энергии и не могут рассчитывать на стабильное питание. Поэтому авторы отдельно подчёркивают необходимость радиационно стойкого оборудования, устойчивых к сбоям вычислительных схем и аккуратного распределения задач с учётом энергопотребления.

В дальнейшем исследователи планируют развивать концепцию в нескольких направлениях: снижать энергозатраты, уменьшать задержки и повышать защищённость электроники. Если идея подтвердит свою жизнеспособность, она и правда позволит обеспечить работу интеллектуальных сервисов даже там, где наземные сети не справляются.