Scritto da Raffaele Mauro
8 minuti di lettura
La nuova economia dello spazio è caratterizzata da una tripla contaminazione: innanzitutto è presente la ricombinazione con tecnologie originatesi fuori dal settore aerospaziale, come ad esempio la manifattura additiva, il design computazionale e l’utilizzo delle tecniche di intelligenza artificiale. In secondo luogo, la crescente interazione con discipline eterogenee, la scienza dei materiali, l’informatica, le scienze della vita e le scienze planetarie. Infine, la space economy si definisce sempre di più come la capacità di accedere a un ambiente grazie al quale altri settori possono essere avvantaggiati, dall’agricoltura ai trasporti, dalle telecomunicazioni al turismo, dall’industria dell’energia alla tutela dell’ambiente.
L’intelligenza artificiale (IA) e la robotica sono già da tempo rilevanti nell’ambito dell’industria e della ricerca spaziale; in passato si sono si rivelate indispensabili in molteplici applicazioni, dai sistemi di navigazione all’assistenza agli astronauti, dalla progettazione delle infrastrutture spaziali fino ai sistemi di analisi dei dati geospaziali. In passato, e probabilmente sarà così anche in futuro, l’esplorazione spaziale è stata prevalentemente di natura robotica: gli esseri umani non sono fatti per vivere in condizioni estreme, per operare richiedono ambienti protetti, costosi e complessi. L’automazione e la robotica hanno quindi segnato la storia dell’esplorazione spaziale: sul pianeta Marte i principali “viaggiatori” hanno avuto l’aspetto di rover come Curiosity e Perseverance. Anche l’uso del software è molto rilevante per la comprensione del cosmo: l’integrazione di sistemi intelligenti nelle missioni può portare a scoperte scientifiche significative, come ad esempio con l’uso degli algoritmi di intelligenza artificiale, grazie alla collaborazione tra NASA e Alphabet / Google, per esaminare i dati del telescopio spaziale Kepler relativi alla ricerca di esopianeti.
Oltre alla ricerca scientifica, lo spazio commerciale e il contributo del settore privato hanno definito in modo significativo la space economy nell’ultimo decennio. I progressi tecnologici hanno portato a una riduzione dei costi di lancio in orbita, che si sono sommati agli sviluppi dell’elettronica e a incrementi di efficienza della componente immateriale di questi dispositivi, dotati di software che possono generare nuove applicazioni grazie ad algoritmi evoluti. Al centro di questa dinamica si trova il “dato”, la materia prima che, una volta elaborata, diventa un’informazione potenzialmente applicabile. Oggi l’infrastruttura spaziale, specialmente quella satellitare sia per scopi civili che per la difesa, produce sempre più dati, in particolare per quanto riguarda le funzioni chiave legate alle telecomunicazioni, ai sistemi di posizionamento e all’osservazione del nostro pianeta. La raccolta, il trattamento, l’interpretazione e la trasformazione in servizi utili di questa materia informazionale è sempre più importante e si interconnette con la centralità degli algoritmi di machine learning e delle tecniche di intelligenza artificiale. In particolare l’Earth observation, l’osservazione del nostro pianeta, è importante per molti settori, con implicazioni che vanno dal monitoraggio delle infrastrutture ai sistemi di mappatura, dal supporto alle previsioni meteorologiche alla lotta al cambiamento climatico. Questa capacità analitica ha un impatto tangibile sull’economia, anche in settori a minore intensità tecnologica come l’agricoltura, che beneficia di un migliore monitoraggio della crescita delle piante, dei processi di irrigazione, dell’inquinamento e in generale della gestione delle risorse naturali. Riflettendo su questa realtà, alcuni osservatori hanno affermato in modo provocatorio che «every company is a space company, some just don’t know it yet», in quanto lo spazio non è più un settore isolato ma un contesto dove attori economici diversificati interagiscono e ampliano le loro attività. Si tratta di un punto di vista radicale e non completamente condivisibile, che tuttavia evidenzia quanto l’infrastruttura spaziale sia sempre più importante. Tra l’altro, la rilevanza strategica dei dati spaziali comporta anche la necessità di misure di cybersecurity per proteggere le informazioni generate, elaborate e trasmesse. Questo aspetto sta diventando una componente critica nella configurazione dell’economia spaziale, anche alla luce di recenti conflitti come quello tra Russia e Ucraina, richiedendo sforzi coordinati da parte di agenzie spaziali, governi e imprese private per salvaguardare gli asset spaziali dalle minacce informatiche.
Perché gli algoritmi intelligenti sono così rilevanti per mettere in moto questi processi? L’intelligenza artificiale, in quanto disciplina, ha lo scopo di sviluppare sistemi capaci di emulare e talvolta superare le funzionalità cognitive umane, come il ragionamento, l’apprendimento e la capacità di prendere decisioni. Si tratta di un obiettivo ambizioso, che ha motivato diversi programmi di ricerca a partire dagli anni Cinquanta del secolo scorso e che ha subito un’accelerazione importante nell’ultima decade. In particolare, l’area del machine learning, o apprendimento automatico, si è sviluppata in modo significativo, permettendo agli algoritmi di migliorare la propria performance attraverso l’esperienza diretta, senza la necessità di essere programmati esplicitamente per ogni singolo compito. Questo processo implica l’allenamento di modelli su grandi insiemi di dati al fine di riconoscere configurazioni di informazioni, prevedere eventi futuri o prendere decisioni in modo indipendente. Negli ultimi anni ha preso piede una sua particolare variazione, il cosiddetto deep learning, ovvero un sottoinsieme del machine learning che si avvale di reti neurali artificiali stratificate. Queste reti, parzialmente ispirate alla struttura cerebrale umana, sono capaci di identificare schemi complessi e astrazioni all’interno di grandi volumi di dati, anche in presenza di ambiguità. Si tratta di una serie di nodi, simili ai neuroni, collegati tra loro in diversi strati, che cooperano per classificare informazioni e riconoscere pattern in modo estremamente efficace. Tra le applicazioni più importanti troviamo ad esempio la computer vision, ovvero le tecniche che consentono ai sistemi informatici di leggere e interpretare il mondo reale tramite telecamere e sensori ottici, permettendo loro di riconoscere oggetti e schemi all’interno di immagini e video, svolgendo attività quali la classificazione di informazioni presenti nello spazio osservato, la tracciatura di movimenti e l’assistenza alle attività di guida e navigazione autonoma. Infine, il natural language processing è la disciplina che ha reso possibile per gli algoritmi sia l’interpretazione che la generazione di linguaggio in modo che sia significativo ed efficace per l’interazione umana. In particolare, di recente i large language model, come GPT-3 e GPT-4, hanno portato a successi rilevanti nell’ambito delle interazioni conversazionali. Queste ultime tecniche non hanno ancora avuto un impatto forte nell’ambito dell’industria spaziale ma certamente l’intelligenza artificiale generativa, che consente di produrre codice per lo sviluppo software e generare modelli e schemi di design in modo automatizzato, potrà potenzialmente amplificare le capacità di progettazione di sistemi complessi. Infine, non possiamo trascurare la metariflessione sulle applicazioni degli algoritmi assieme al tema dell’etica dell’intelligenza artificiale, per fare in modo che tecnologie molto potenti rispondano a principi di trasparenza, equità, tutela della privacy e chiara attribuzione delle responsabilità in caso di utilizzo malevolo. Questo ambito di studio è essenziale per orientare l’intelligenza artificiale verso un impatto positivo sulla società e per mitigare eventuali abusi.
Il fascio di innovazioni generate dalle tecniche di intelligenza artificiale trova quindi applicazioni rilevanti nel campo spaziale, abilitando avanzamenti significativi nel design e nella pianificazione delle missioni, nei sistemi di navigazione e di collision avoidance, nella progettazione e nella fabbricazione di sistemi spaziali, nell’assistenza a missioni umane e robotiche, nell’elaborazione e nell’interpretazione dei dati satellitari, nella costruzione di applicazioni terrestri e nella previsione di fenomeni naturali sul nostro pianeta. Anche in Italia nuove imprese, come ad esempio Eoliann e AIKO Space, stanno contribuendo significativamente all’avanzamento dell’interazione tra space economy e intelligenza artificiale.
Eoliann, una startup tecnologica basata a Torino e fondata nel 2022, sta sfruttando il potere dei dati satellitari e degli algoritmi di machine learning per aiutare istituzioni e imprese a prevedere probabilità e impatto degli eventi meteorologici estremi. L’obiettivo dell’azienda è migliorare la resilienza climatica, consentendo ai decisori di gestire le conseguenze finanziarie, economiche e sociali delle catastrofi naturali. L’approccio di Eoliann integra dati satellitari di osservazione della Terra con analisi predittive, utilizzando tecniche di machine learning e altre categorie di algoritmi per offrire informazioni utilizzabili dai clienti. La società fornisce servizi in vari ambiti, inclusi il settore energetico, il settore finanziario, le assicurazioni e la consulenza, supportando gli utilizzatori nel valutare i rischi climatici e nella preparazione di report relativi ai rischi “ESG” (environmental, social and governance) oggi sempre più monitorati da investitori e istituzioni pubbliche.
AIKO Space, fondata nel 2017, si dedica allo sviluppo di software di intelligenza artificiale per incrementare l’autonomia delle missioni spaziali. Specializzata in deep learning, sistemi esperti e design di software embedded applicato a missioni spaziali, AIKO lavora in ambiti quali l’autonomia decisionale, la gestione dei dati di payload, il rilevamento dei guasti e la pianificazione delle missioni. AIKO serve sia attori commerciali come Thales, OHB, Ariane Group, sia agenzie spaziali come ASI (Agenzia spaziale italiana) ed ESA (European space agency), la società ha inoltre recentemente esteso la sua presenza in Europa con la creazione di AIKO France con sede a Tolosa. Uno dei prodotti innovativi di AIKO è orbital_OLIVER, una libreria software che consente operazioni autonome per le missioni spaziali. Questa tecnologia ha dimostrato la sua efficacia in diverse collaborazioni, sia per applicazioni terrestri che per missioni nello spazio profondo. orbital_OLIVER consente alle missioni spaziali di operare con maggiore autonomia, migliorando l’efficienza e riducendo i costi operativi, specialmente per missioni con piccoli satelliti e costellazioni di satelliti.
Un altro esempio, sempre basato in Italia, è ARCA Dynamics, una società specializzata nella gestione del traffico spaziale e nei servizi di osservazione della Terra tramite l’utilizzo e la gestione di nanosatelliti proprietari. Al livello internazionale, molte imprese stanno raggiungendo progressi significativi nell’integrare l’intelligenza artificiale nelle loro operazioni spaziali. Per esempio, Ubotica, con sede in Irlanda e supportata dallo European Defence Fund, utilizza tecniche di computer vision e algoritmi di machine learning per elaborare dati di osservazione della Terra in tempo reale e con basso consumo energetico. Craft Prospect, nel Regno Unito, impiega l’intelligenza artificiale per ottimizzare l’uso delle risorse nei piccoli satelliti. UP42, basata a Berlino, è invece una piattaforma che offre accesso a dati satellitari e algoritmi di analisi, in particolare utilizzando il machine learning per trasformare i dati grezzi in informazioni utili per un’ampia gamma di settori. Negli Stati Uniti, imprese consolidate come SpaceX e Blue Origin stanno implementando l’intelligenza artificiale per ottimizzare le operazioni di lancio e il volo spaziale. In particolare, SpaceX utilizza l’intelligenza artificiale per migliorare i sistemi di navigazione autonoma e per l’analisi dei dati raccolti dai suoi lanci. Blue Origin impiega tecnologie simili per le sue missioni suborbitali e per lo sviluppo di veicoli spaziali riutilizzabili. Altre imprese come Planet Labs e Spire Global utilizzano tecniche di machine learning per analizzare i dati raccolti dai loro satelliti per l’osservazione della Terra, offrendo informazioni dettagliate per il monitoraggio ambientale, per l’agricoltura di precisione e per le analisi geospaziali.
In Europa, l’ESA sta incoraggiando l’uso dell’intelligenza artificiale attraverso programmi come la rete degli ESA BIC (business incubation centre) o programmi come InCubed gestito da ESA ɸ-lab, che hanno l’obiettivo di sostenere le startup nel continente. Queste iniziative hanno consentito di supportare centinaia di nuove imprese, alcune delle quali hanno esplorato una varietà di applicazioni dell’intelligenza artificiale, dalla gestione di dati satellitari alla sorveglianza terrestre fino alla manutenzione predittiva di satelliti. L’ESA ha inoltre investito in diversi progetti che combinano l’intelligenza artificiale all’osservazione della Terra per la rilevazione di fughe di metano, per l’identificazione di rifiuti marini, per la gestione di disastri naturali e per la costruzione di digital twin della Terra, al fine di aiutare a visualizzare e a prevedere l’evoluzione delle attività naturali e umane sul nostro pianeta. Altre aree di esplorazione riguardano la gestione autonoma di costellazioni di satelliti, la prevenzione di collisioni e l’incremento di efficienza delle operazioni spaziali. Anche la NASA sta impiegando l’intelligenza artificiale in diversi filoni progettuali. Ad esempio sta sviluppando sistemi di machine learning per analizzare i campioni che nei prossimi anni saranno raccolti su Marte dal rover Rosalind Franklin tramite il sistema MOMA (mars organic molecule analyzer). Nel maggio 2024 l’Agenzia spaziale americana ha anche nominato il suo primo “Chief Artificial Intelligence Officer”, con l’obiettivo di sviluppare tutti i progetti che si interfacciano con questo filone di evoluzione tecnologica. È stata invece cancellata, per via dei ritardi e dei costi eccessivi, la missione VIPER che era stata pianificata per il 2024, nella quale l’intelligenza artificiale doveva essere utilizzata per consentire a un rover di navigare autonomamente su superfici lunari complesse, eseguire analisi del terreno e prendere decisioni in tempo reale. Il sistema di intelligenza artificiale era chiamato SHERPA – system health enabled real-time planning advisor – e avrebbe consentito di pianificare le rotte operative, aumentando la flessibilità e l’efficienza della missione. Anche a fronte dell’annullamento della missione sono comunque stati fatti passi avanti su sistemi che possono integrare l’input umano, facilitando la gestione in tempo reale delle incertezze e delle sfide delle missioni spaziali.
Guardando al futuro, si profilano orizzonti potenzialmente molto vasti: dalla produzione manifatturiera in orbita alle operazioni minerarie, dall’automazione completa di veicoli, satelliti e stazioni spaziali, fino a missioni ambiziose dirette verso la Luna e Marte, senza dimenticare le possibilità offerte dalla ricerca scientifica, come l’osservazione dell’universo e la ricerca di vita extraterrestre. Gli sviluppi nell’ambito spaziale offrono vantaggi evidenti per l’umanità, dalla riduzione dell’inquinamento alla promozione di scoperte nel campo biomedico, dalla gestione delle catastrofi naturali all’accesso all’informazione. L’intelligenza artificiale è al centro di tali questioni e dei loro possibili sviluppi, a monte come fattore abilitante e a valle per la costruzione di applicazioni, innestandosi ormai come un componente essenziale per il futuro della space economy.
Una piattaforma culturale, una rivista e uno spazio di approfondimento per capire il presente.
Scopri di più
