בואינג לימדה את היישומים לתרגם תעבורת נתונים לטקסט מובנה כדי שכל אדם יוכל להבין אותה.

טכנולוגיה חדשה של LLM לניתוח אוטונומי של טלמטריה בחלל

במהלך השיגורים הראשונים של ספינת החלל Boeing Starliner נוצרו בעיות הקשורות לשגיאות בקוד התוכנה ולפרשנות שגויה של נתוני הטלמטריה. אם הנתונים היו מועברים לצוות ההדלקה בשפה אנושית מובנת, תוצאות המצב יכולות להיות שונות. לכן החברה פיתחה מודל שפה קטן (LLM) המסוגל לפעול במחשבים קטנים בחלל ולשנות אותות גסים לדוחות נגישים.

קושי עם פלטפורמות מסחריות
התחלת הפרויקט עוררה ספקות בקרב מהנדסי הפיתוח אם פלטפורמות ספינת החלל המסחריות הרגילות יוכלו להתמודד עם מודלים שפה גדולים. בחלל חשוב יותר עמידות לקרינה, פעולה יציבה ללא חימום יתר ושימוש מינימלי באנרגיה מאשר כוח מעבד.

בדיקות והתאמה
במהלך ניסויים במעבדת קרקע הצלחה צוות Boeing Space Mission Systems להתאים את ה-LLM לציוד המענה לדרישות החלל. המודל כעת מנתח טלמטריה של ספינת חלל ומייצר דוחות על מצב המערכות בשפה טבעית במקום עיבוד גס.

> «היצרן בתחילה אמר שזה בלתי אפשרי עקב מגבלות מחמירות, אך מצאנו דרך לממש את הרעיון», – ציין מנהיג AI Lab Arvel Chapell III.

יתרונות
1. הפחתת השהייה – הנתונים מעובדים מיד במטוס ולא נשלחים לכדור הארץ לניתוח נוסף.
2. עצמאות מוגברת – מפעילים יכולים לשאול שאלות לספינת החלל ולקבל תשובות מובנות כמעט בזמן אמת.
3. בטיחות – המודל מחובר לפרמטרים הפיזיים של מערכות, מה שמקטין את הסיכון ל"הזיות" ומעלה את האמינות במבצעים קריטיים.

אפשרות עדכון קבוצות קיימות
מאחר שהטכנולוגיה פועלת על ציוד סטנדרטי, ניתן לשלב אותה בספינות חלל שכבר מופעלות בתוכנה. משמעות הדבר היא שעדכון יכולות רוב המערכות החלליות יושלם תוך כמה חודשים ולא שנים כפי שהיה נדרש במחלופה מלאה של הפלטפורמה.

כך ה-LLM החדש פותח דרך לניהול יעיל ואוטונומי יותר של ספינות חלל, משפר את אמינותן ומקטין את עלויות התחזוקה.