Декабрь 2025-го. Марс, кратер Езеро. Марсоход Perseverance, размером с небольшой внедорожник, получает пакет команд с Земли. Но если обычно эти инструкции — результат многочасовой работы группы блестящих инженентов из Лаборатории реактивного движения (JPL), то на этот раз в коде стоит необычная подпись.
Маршрут на 400 метров через марсианские камни проложила нейросеть Claude от Anthropic. То, что начиналось как эксперимент, обернулось тектоническим сдвигом в понимании того, как ИИ в исследовании космоса меняет правила игры.
Долгое время управление роверами напоминало искусство каллиграфии: каждое движение выверено, каждая команда выстрадана. Задержка сигнала между планетами составляет от 5 до 20 минут в зависимости от положения светил. Это значит, что операторы работают вслепую. Они отправляют марсоход в путешествие, видя лишь статичные фотографии, сделанные часы назад. Любая ошибка — и ровер может навсегда застрять в песке, как это случилось с несчастным Spirit в 2009-м.
Но 8 декабря 1707-го сола (так на Марсе называют сутки) случилось нечто необычное. Команды, пришедшие на борт Perseverance, выглядели так, словно их написал пилот, сидящий в соседнем кресле. Они были гибкими, контекстными и учитывали нюансы рельефа, которые человек мог бы и пропустить. Так ИИ впервые взял на себя управление межпланетным аппаратом.
Как ИИ учился водить по камням
Инженеры JPL подошли к эксперименту с математической скрупулезностью. Они не просто «скормили» Клоду фотографии с Марса. Они создали для него цифровой слепок пятилетнего опыта миссии. Модель получила доступ к базе знаний о поведении грунта, о том, как колеса Perseverance реагируют на разные типы пород, и даже к историческим данным о пробуксовках.
Claude пришлось освоить Rover Markup Language (RML) — специализированный язык программирования, созданный для марсоходов-близнецов Spirit и Opportunity еще в начале 2000-х, который до этого момента оставался вотчиной исключительно людей.
Удивительно, но Клод не просто проложил линию на карте. Он использовал машинное зрение, чтобы сегментировать панорамные снимки, нашел безопасные коридоры между валунами, а затем, словно сомневающийся студент, перепроверил сам себя, скорректировав путевые точки для большей безопасности.
Конечно, инженеры не отпустили ИИ в одиночное плавание без страховки. Каждый виртуальный шаг Клода был прогнан через симулятор, учитывающий полмиллиона переменных — от трения в редукторе до плотности разреженной атмосферы.
Вердикт специалистов был единогласен: план ИИ требовал лишь косметических правок. Например, там, где камеры ровера видели песок, который не попал на снимки с орбиты, операторы разбили маршрут на чуть более короткие сегменты. В остальном Клод справился блестяще. Марсоход успешно преодолел путь, проложенный нейросетью.
Экономия времени и новые горизонты
Почему это событие так важно для NASA? Ответ кроется в цифрах. По оценкам инженеров JPL, использование таких моделей, как Claude, способно сократить время планирования маршрутов вдвое. Представьте себе: то, на что раньше уходили часы кропотливой работы целой команды, теперь занимает считанные минуты компьютерного анализа.
Меньше времени на утомительное планирование вручную — значит, операторы марсохода смогут совершить еще больше поездок, собрать еще больше научных данных и провести еще больше анализов.
делятся расчетами в Лаборатории реактивного движения.
Иными словами, ИИ в исследовании космоса выполняет роль катализатора: он разгоняет научный прогресс, позволяя узнавать о Марсе гораздо больше за тот же временной промежуток.
Это не просто замена человека машиной. Это симбиоз, где нейросеть берет на себя рутину, связанную с прокладкой безопасного курса, а ученые получают возможность сосредоточиться на главном — поиске следов древней микробной жизни, которой мог быть богат кратер Езеро миллиарды лет назад, когда там плескалась вода.
Артемида и универсальный помощник
То, что Клод делает сейчас на Марсе, — это генеральная репетиция перед большими делами. Автономные способности, которые он продемонстрировал (быстрая адаптация к новой обстановке, написание кода для управления сложной техникой, принятие взвешенных решений), — это именно те навыки, которые потребуются в будущих миссиях.
Взгляните на программу Артемида (Artemis). NASA готовится не просто вернуть людей на Луну, а построить там постоянно действующую базу на южном полюсе спутника. Это колоссальная инженерная задача. В условиях лунной базы, где каждый кубометр пространства и каждый ватт энергии на счету, наличие универсального ИИ-помощника станет критическим преимуществом.
Представьте себе Клода, адаптированного для работы на Луне. Он сможет помогать астронавтам составлять геологические карты местности в реальном времени, мониторить системы жизнеобеспечения, предсказывать поломки оборудования до того, как они случатся, и даже управлять беспилотными роверами, пока люди отдыхают в герметичных модулях. Это не фантастика, а дорожная карта, которую сейчас прочерчивают инженеры.
Взгляд в глубокий космос
Но самые амбициозные планы связаны с дальними рубежами Солнечной системы. Чем дальше зонд улетает от Земли, тем сложнее им управлять. На подлете к Юпитеру или Сатурну задержка сигнала исчисляется уже не минутами, а часами. Энергии там мало, радиация убивает электронику, а условия на ледяных спутниках, таких как Европа или Энцелад, смертельны для любых, даже самых выносливых, механизмов.
В таких экспедициях жизнь исследовательского зонда будет короткой и рискованной. И именно здесь в полный голос заявит о себе ИИ в исследовании космоса. Роботу будущего не придется ждать команды с Земли, когда он наткнется на ледяной разлом или гейзер. Он должен будет принять решение сам: обойти препятствие, взять пробу или уйти в укрытие от радиационной бури.
Технология, которую сейчас обкатывают на Perseverance с помощью Claude, — это первый черновик инструкции для таких автономных миссий. Мы учим машины думать не по шаблону, а по ситуации. Мы даем им не просто набор команд «вперед-назад», а способность оценивать риски и находить пути.
8 и 10 декабря 2025 года стали тихой датой рождения новой эры. Четыреста метров по марсианской пыли, пройденные под присмотром нейросети, — это крошечный шаг для ровера, но гигантский скачок для алгоритмов.
