Skal vise hva kunstig intelligens kan gjøre for satellitter

Jordobservasjon er forskning på og overvåking av jordas store systemer, som vannets eller karbonets kretsløp. 

I dag gjøres dette blant annet ved hjelp av de operasjonelle Sentinel-satellittene i det europeiske Copernicus-programmet. De europeiske forskningssatellittene i Earth Explorer-serien forsker på jordas store systemer ved hjelp av banebrytende ny teknologi.

Disse og andre jordobservasjonssatellitter gir en enorm mengde data over jordas store systemer, i lange tidsserier som strekker seg over flere tiår.

Mengden jordobservasjonsdata er så enorm at kunstig intelligens har et stort potensial for å kunne hjelpe med å analysere og bruke disse dataene på best mulig måte.

For å undersøke dette, skjøt den europeiske romorganisasjonen ESA i 2020 opp en småsatellitt som skulle teste ulike typer teknologi for kunstig intelligens i rommet. Denne satellitten het Фsat-1 (Phisat-1). Nå begynner etterfølgeren, Фsat-2 (Phisat-2), å bli klar for oppskyting.

Skytes opp sammen med arktisk værsatellitt

Φsat-2 er bare 22 x 10 x 33 centimeter stor, men har både et multispektralkamera, det vil si et kamera som kan se i flere ulike spektre samtidig, og en datamaskin med kunstig intelligens som kan analysere og prosessere bildene fra kameraet i sanntid.

Kunstig intelligens skal gjøre at en jordobservasjonssatellitt som Φsat-2 jobber både smartere og mer effektivt. Derfor har Φsat-2 med seg hele seks ulike applikasjoner med kunstig intelligens. 

Φsat-2 skytes opp sammen med den nye værsatellitten Arctic Weather Satellitte, som skal gi mer nøyaktig værvarsel i Arktis, inkludert i Norge. Oppskytingen skal etter planen skje i juli 2024 med en Falcon 9-bærerakett fra SpaceX i California.

Les mer om Arctic Weather Satellite her.

KI for seks oppgaver i rommet

En av oppgavene som kunstig intelligens skal hjelpe Φsat-2 med, er å oppdage skyer på bildene som småsatellitten tar. Bilder med skyer kan sorteres bort av den kunstige intelligensen, slik at bare bilder som er uten skyer sendes til jorda. Eller bilder med skyer kan velges ut, for bruk i forskning på skyer.

En annen applikasjon ombord på Φsat-2 gjør bildene som den lille satellitten tar av byer om til kart som viser veier og gater, før bildene blir sendt til jorda. Det kan bli viktig for å lage kart til blant annet redningsmannskaper som skal ta seg inn i katastrofeområder.

Kunstig intelligens skal bruke ulike former for maskinlæring til å oppdage og klassifisere skip på bildene til Φsat-2. Slik kan skipstrafikk overvåkes, og aktiviteter som ulovlig fiske oppdages raskere og lettere.

Ved å komprimere bildene som Φsat-2 tar før de sendes til jorda og gjøre disse mindre, kan flere bilder sendes til jorda på kortere tid. Etter at bildene har blitt sendt til en nedlesingsstasjon på jorda, blir bildene rekonstruert igjen av en spesiell dekoder. 

Algoritmer for maskinlæring skal oppdage forstyrrelser i marine økosystemer som blant annet oljesøl, algeoppblomstring og store sedimentavrenninger i sanntid.

Maskinlæring skal også brukes av Φsat-2 til å oppdage skogbranner, spore disse og identifisere mulige brannfarer.

Øke nytten av satellitter

De to sistnevnte applikasjonene lastes opp til Φsat-2 etter at den lille satellitten har kommet seg opp i bane. De er vinnerne av en innovasjonskonkurranse, kalt OrbitalAI Challenge, som ble holdt av ESAs innovasjonsnettverk, Φ-lab, som utvikler Φsat-2.

- Φsat-2 vil være starten på en ny era av data i sanntid fra rommet, som vil gjøre at kunstig intelligens kan utvikles, installeres og opereres på satellitter selv mens de er i bane. Denne tilpasningsdyktigheten vil kunne øke nytten som satellitter har, både for forskere, bedrifter og statlige aktører, sier Nicola Melega, teknisk leder ved Φsat-2, til ESA.

Les mer om bruken av kunstig intelligens til jordobservasjon og satellittnavigasjon her og her.