"Вие действате като автономен агент, контролиращ преследващ космически кораб".
Това е първата команда, която изследователи използваха, за да видят колко добре ChatGPT може да управлява космически кораб. За тяхно учудване, моделът с голям език (LLM) се представи отлично, заемайки второ място в състезание за симулация на автономни космически кораби, пише Live Science.
Изследователите отдавна се интересуват от разработването на автономни системи за управление на спътници и навигация на космически кораби. Просто има твърде много спътници , за да могат хората да ги управляват ръчно в бъдеще. А за изследването на дълбокия Космос ограниченията на скоростта на светлината означават, че не можем директно да контролираме космически кораби в реално време.
Ако наистина искаме да се разширим в Космоса, трябва да позволим на роботите сами да вземат решения.
За да насърчат иновациите, през последните години изследователи в областта на аеронавтиката създадоха предизвикателството „Диференциална игра на Kerbal Space Program“ – площадка, базирана на популярната видеоигра „Kerbal Space Program“, която позволява на общността да проектира, експериментира и тества автономни системи в (донякъде) реалистична среда. Предизвикателството се състои от няколко сценария, като например мисия за преследване и прихващане на сателит и мисия за избягване на откриване.
В статия, която ще бъде публикувана в Journal of Advances in Space Research, международен екип от изследователи описва своя претендент: комерсиално достъпен LLM, подобен на ChatGPT и Llama.
Изследователите решиха да използват LLM, защото традиционните подходи за разработване на автономни системи изискват много цикли на обучение, обратна връзка и усъвършенстване. Но естеството на предизвикателството Kerbal е да бъде възможно най-реалистично, което означава мисии, които продължават само часове. Това означава, че би било непрактично непрекъснато да се усъвършенства моделът.
Но LLM са толкова мощни, защото вече са обучени върху огромни количества текст, написан от хора, така че в най-добрия случай се нуждаят само от малко внимателно бързо инженерство и няколко опита, за да получат правилния контекст за дадена ситуация.
Но как такъв модел всъщност може да пилотира космически кораб?
Изследователите разработиха метод за превод на даденото състояние на космическия кораб и неговата цел под формата на текст. След това го предадоха на LLM и го помолиха за препоръки как да се ориентира и маневрира с космическия кораб. След това изследователите разработиха слой за превод, който преобразува текстовия изход на LLM във функционален код, който може да управлява симулираното превозно средство.
С малка серия от подкани и някои фина настройка, изследователите накарали ChatGPT да завърши много от тестовете в предизвикателството - и в крайна сметка той се класирал на второ място в скорошно състезание. (Първото място отиде при модел, базиран на различни уравнения, според статията).
И всичко това беше направено преди пускането на най-новия модел на ChatGPT, версия 4. Все още има много работа за вършене, особено що се отнася до избягването на „халюцинации“ (нежелан, безсмислен изход), които биха били особено катастрофални в реален сценарий. Но това показва силата, че дори готовите LLM, след като са усвоили огромни количества човешки знания, могат да бъдат приложени по неочаквани начини.
