NhatDuy
Intern Writer
Một nghiên cứu mới từ MIT và Đại học Bách khoa Madrid đang gây chú ý khi chứng minh rằng mô hình ngôn ngữ lớn (LLM) có thể điều khiển tàu vũ trụ trong các nhiệm vụ phức tạp mà trước đây chỉ con người mới đảm nhận. Trong thử thách mô phỏng không gian dựa trên trò chơi Kerbal Space Program, nhóm đã sử dụng ChatGPT và Llama để điều khiển tàu vũ trụ, mang lại kết quả ngoài mong đợi.
Không cần huấn luyện chuyên sâu, nhóm nghiên cứu chỉ sử dụng kỹ thuật nhắc từ và tinh chỉnh nhẹ để giúp ChatGPT truy đuổi và định vị vệ tinh chính xác, tiết kiệm nhiên liệu, đạt tỷ lệ lỗi 0%. Điều này mở ra triển vọng lớn cho việc tự động hóa hàng không vũ trụ và chuyển vùng không gian trong tương lai.
Cuộc thi do cộng đồng nghiên cứu tổ chức là nơi kiểm nghiệm sức mạnh thực sự của LLM trong không gian mô phỏng. ChatGPT giành vị trí thứ hai với hiệu suất vượt kỳ vọng. Llama, mô hình mã nguồn mở do Meta phát triển, thậm chí còn hoạt động tốt hơn, nhờ khả năng tùy biến và hỗ trợ cộng đồng mạnh mẽ.
Trong thử thách “người truy đuổi – kẻ trốn thoát”, các mô hình phải xử lý các chuyển động quay 3 trục và điều chỉnh lực đẩy để giảm khoảng cách. Dữ liệu đầu vào được chuyển sang dạng văn bản, LLM xử lý và phản hồi bằng văn bản, sau đó được chuyển thành mã lệnh điều khiển tàu mô phỏng.
Llama đạt kết quả tốt hơn GPT, nhờ vào mô hình Llama-3 mới hơn, trong khi GPT chỉ sử dụng GPT-3.5. Mặc dù GPT có API riêng, nhưng khả năng tùy chỉnh hạn chế khiến hiệu quả thấp hơn. Các nhà nghiên cứu còn sử dụng kỹ thuật "chuỗi suy nghĩ" để giúp LLM diễn giải tình huống và đưa ra hành động chính xác hơn.
Nghiên cứu này cho thấy AI có thể học điều khiển tàu vũ trụ với một lượng dữ liệu nhỏ, tiết kiệm chi phí huấn luyện. Dù mô hình chưa phải loại mạnh nhất, kết quả vẫn rất truyền cảm hứng, đặc biệt khi nhìn vào sự phát triển nhanh chóng của các dự án như Starlink với hơn 6.500 vệ tinh đã được đưa lên quỹ đạo tính đến giữa năm 2025.
Kerbal Space Program, một trò chơi mô phỏng được NASA công nhận, trở thành môi trường thử nghiệm lý tưởng. Tuy chỉ là mô phỏng đơn giản, nhưng trò chơi đủ độ thực tế để kiểm chứng hiệu quả thuật toán. Ba thử thách chính trong chương trình bao gồm: truy đuổi mục tiêu, tiếp cận bảo vệ, và chắn ánh sáng Mặt Trời.
ChatGPT và Llama chứng minh rằng, với một số tinh chỉnh hợp lý và lời nhắc được thiết kế tốt, AI có thể tự đưa ra quyết định điều hướng tàu vũ trụ chính xác. Nhóm nghiên cứu còn phát triển lớp dịch để chuyển lời khuyên từ AI thành mã thực thi, giúp mô hình tương tác với hệ thống mô phỏng.
Llama, nhờ vào mã nguồn mở, đạt hiệu suất vượt trội, thậm chí vượt qua GPT trong thử nghiệm. Điều này minh chứng rằng AI mã nguồn mở hoàn toàn có khả năng cạnh tranh và định hình tương lai hàng không vũ trụ.
Trong thời đại mới, không gian sẽ không chỉ là nơi khám phá, mà còn là nơi cạnh tranh tài nguyên. Việc áp dụng AI để kiểm soát, tối ưu hóa và tự động hóa hệ sinh thái vũ trụ sẽ trở thành yếu tố chiến lược sống còn cho các quốc gia và tập đoàn lớn.
Không cần huấn luyện chuyên sâu, nhóm nghiên cứu chỉ sử dụng kỹ thuật nhắc từ và tinh chỉnh nhẹ để giúp ChatGPT truy đuổi và định vị vệ tinh chính xác, tiết kiệm nhiên liệu, đạt tỷ lệ lỗi 0%. Điều này mở ra triển vọng lớn cho việc tự động hóa hàng không vũ trụ và chuyển vùng không gian trong tương lai.
Cuộc thi do cộng đồng nghiên cứu tổ chức là nơi kiểm nghiệm sức mạnh thực sự của LLM trong không gian mô phỏng. ChatGPT giành vị trí thứ hai với hiệu suất vượt kỳ vọng. Llama, mô hình mã nguồn mở do Meta phát triển, thậm chí còn hoạt động tốt hơn, nhờ khả năng tùy biến và hỗ trợ cộng đồng mạnh mẽ.
Trong thử thách “người truy đuổi – kẻ trốn thoát”, các mô hình phải xử lý các chuyển động quay 3 trục và điều chỉnh lực đẩy để giảm khoảng cách. Dữ liệu đầu vào được chuyển sang dạng văn bản, LLM xử lý và phản hồi bằng văn bản, sau đó được chuyển thành mã lệnh điều khiển tàu mô phỏng.
Llama đạt kết quả tốt hơn GPT, nhờ vào mô hình Llama-3 mới hơn, trong khi GPT chỉ sử dụng GPT-3.5. Mặc dù GPT có API riêng, nhưng khả năng tùy chỉnh hạn chế khiến hiệu quả thấp hơn. Các nhà nghiên cứu còn sử dụng kỹ thuật "chuỗi suy nghĩ" để giúp LLM diễn giải tình huống và đưa ra hành động chính xác hơn.
Nghiên cứu này cho thấy AI có thể học điều khiển tàu vũ trụ với một lượng dữ liệu nhỏ, tiết kiệm chi phí huấn luyện. Dù mô hình chưa phải loại mạnh nhất, kết quả vẫn rất truyền cảm hứng, đặc biệt khi nhìn vào sự phát triển nhanh chóng của các dự án như Starlink với hơn 6.500 vệ tinh đã được đưa lên quỹ đạo tính đến giữa năm 2025.
Tương lai tự động hóa không gian và vai trò của AI
Khi số lượng vệ tinh ngày càng nhiều, việc con người điều khiển thủ công sẽ trở nên không khả thi. Việc cho phép AI điều hướng, kiểm soát, và tự xử lý các nhiệm vụ không gian là bước tiến tất yếu. Bài toán giới hạn thời gian truyền tín hiệu do tốc độ ánh sáng trong không gian sâu cũng buộc chúng ta phải để máy móc tự quyết định.Kerbal Space Program, một trò chơi mô phỏng được NASA công nhận, trở thành môi trường thử nghiệm lý tưởng. Tuy chỉ là mô phỏng đơn giản, nhưng trò chơi đủ độ thực tế để kiểm chứng hiệu quả thuật toán. Ba thử thách chính trong chương trình bao gồm: truy đuổi mục tiêu, tiếp cận bảo vệ, và chắn ánh sáng Mặt Trời.
ChatGPT và Llama chứng minh rằng, với một số tinh chỉnh hợp lý và lời nhắc được thiết kế tốt, AI có thể tự đưa ra quyết định điều hướng tàu vũ trụ chính xác. Nhóm nghiên cứu còn phát triển lớp dịch để chuyển lời khuyên từ AI thành mã thực thi, giúp mô hình tương tác với hệ thống mô phỏng.
Llama, nhờ vào mã nguồn mở, đạt hiệu suất vượt trội, thậm chí vượt qua GPT trong thử nghiệm. Điều này minh chứng rằng AI mã nguồn mở hoàn toàn có khả năng cạnh tranh và định hình tương lai hàng không vũ trụ.
Trong thời đại mới, không gian sẽ không chỉ là nơi khám phá, mà còn là nơi cạnh tranh tài nguyên. Việc áp dụng AI để kiểm soát, tối ưu hóa và tự động hóa hệ sinh thái vũ trụ sẽ trở thành yếu tố chiến lược sống còn cho các quốc gia và tập đoàn lớn.
Sửa lần cuối bởi điều hành viên: