Αυτή είναι η πρώτη ερώτηση που χρησιμοποίησαν οι ερευνητές για να δουν πόσο καλά μπορούσε το ChatGPT να χειρίζεται ένα διαστημόπλοιο. Προς έκπληξή τους, το γλωσσικό μοντέλο (LLM) είχε αξιοθαύμαστη απόδοση, κατακτώντας τη δεύτερη θέση σε έναν διαγωνισμό προσομοίωσης αυτόνομων διαστημοπλοίων.

Οι ερευνητές ενδιαφέρονται εδώ και καιρό για την ανάπτυξη αυτόνομων συστημάτων για τον έλεγχο δορυφόρων και την πλοήγηση διαστημικών σκαφών. Υπάρχουν απλώς πάρα πολλοί δορυφόροι για να τους ελέγξει χειροκίνητα ο άνθρωπος στο μέλλον. Και για την εξερεύνηση του διαστήματος, οι περιορισμοί της ταχύτητας του φωτός σημαίνουν ότι δεν μπορούμε να ελέγξουμε άμεσα τα διαστημόπλοια σε πραγματικό χρόνο.

Για να ενθαρρύνουν την καινοτομία, τα τελευταία χρόνια οι ερευνητές αεροναυπηγικής δημιούργησαν το Kerbal Space Program Differential Game Challenge, ένα είδος παιδικής χαράς βασισμένο στο δημοφιλές βιντεοπαιχνίδι Kerbal Space Program, για να επιτρέψει στην κοινότητα να σχεδιάσει, να πειραματιστεί και να δοκιμάσει αυτόνομα συστήματα σε ένα (κάπως) ρεαλιστικό περιβάλλον. Η πρόκληση αποτελείται από διάφορα σενάρια, όπως μια αποστολή καταδίωξης και αναχαίτισης ενός δορυφόρου και μια αποστολή αποφυγής ανίχνευσης.

Σε μια δημοσίευση που θα πραγματοποιηθεί στο Journal of Advances in Space Research, μια διεθνής ομάδα ερευνητών περιέγραψε τον αντίπαλό της: ένα εμπορικά διαθέσιμο LLM, όπως το ChatGPT και το Llama.

Αλλά πώς μπορεί ένα τέτοιο μοντέλο να πιλοτάρει ένα διαστημόπλοιο;

Οι ερευνητές ανέπτυξαν μια μέθοδο για τη μετάφραση της δεδομένης κατάστασης του διαστημικού σκάφους και του στόχου του σε μορφή κειμένου. Στη συνέχεια, την παρείχαν στο γλωσσικό μοντέλο, LLM και του ζήτησαν συστάσεις για τον τρόπο προσανατολισμού και ελιγμών του διαστημικού σκάφους. Κατόπιν, οι ερευνητές ανέπτυξαν ένα επίπεδο μετάφρασης που μετέτρεπε την έξοδο κειμένου του LLM σε έναν λειτουργικό κώδικα που θα μπορούσε να χειριστεί το προσομοιωμένο όχημα.

Με μια μικρή σειρά από ερωτήσεις και κάποιες βελτιώσεις, οι ερευνητές βοήθησαν το ChatGPT να ολοκληρώσει πολλά από τα τεστ της πρόκλησης — και τελικά κατέλαβε τη δεύτερη θέση σε έναν πρόσφατο διαγωνισμό. (Η πρώτη θέση πήγε σε ένα μοντέλο που βασίστηκε σε διαφορετικές εξισώσεις, σύμφωνα με την εργασία).

Και όλα αυτά έγιναν πριν από την κυκλοφορία του τελευταίου μοντέλου του ChatGPT, της έκδοσης 4. Υπάρχει ακόμη πολλή δουλειά που πρέπει να γίνει, ειδικά όσον αφορά την αποφυγή των «παραισθήσεων» (ανεπιθύμητων, παράλογων αποτελεσμάτων), οι οποίες θα ήταν ιδιαίτερα καταστροφικές σε ένα πραγματικό σενάριο. Αλλά δείχνει τη δυναμική που υπάρχει και τα γλωσσικά μοντέλα, αφού αφομοιώσουν τεράστιες ποσότητες ανθρώπινης γνώσης, μπορούν να αξιοποιηθούν με απροσδόκητους τρόπους.

(photo: pexels)