Una nueva arquitectura de IA podría permitir que los rovers de Marte y la Luna decidan qué estudiar y cómo moverse sin tener que esperar el viaje de ida y vuelta de 4 a 24 minutos hacia la Tierra, reduciendo la latencia que actualmente frena las decisiones rápidas. La propuesta, basada en modelos de decision-transformer envueltos en una capa de gobernanza de confianza cero (zero-trust), promete una autonomía de "nivel científico" para futuras misiones planetarias.
Por qué los rovers necesitan pensar por sí mismos
Los rovers actuales son esencialmente coches teledirigidos. Un comando desde la Tierra permanece en una cola mientras el robot espera una respuesta, y cualquier obstáculo inesperado puede detener una misión durante horas.
El avance de la IA: decision transformers
Los decision transformers convierten la selección de acciones en una tarea de modelado de lenguaje. En lugar de aprender mediante ensayo y error, el modelo analiza una secuencia de estados pasados —posición, lecturas de sensores— y recompensas asociadas —valor científico, puntuaciones de seguridad— y predice la siguiente acción que habría maximizado la recompensa. En efecto, la IA "escribe" la mejor línea siguiente de una historia basándose en cómo se ha desarrollado la historia hasta el momento.
Haciendo que la IA sea segura para el espacio
El diseño incorpora dos salvaguardas:
Objetivos alineados con humanos – El equipo entrena el modelo para equilibrar tres objetivos críticos para la misión: maximizar el retorno científico (p. ej., seleccionar la roca más interesante), evitar peligros (pendientes pronunciadas, pérdida de energía) y respetar las restricciones de la misión (tiempo, ancho de banda de datos). La IA no se sale del guion; cada elección se pondera frente a estas prioridades definidas por humanos.
Gobernanza de confianza cero (zero-trust) – Tomado de la ciberseguridad, este marco asume que el cerebro del rover podría verse comprometido o simplemente fallar. Los ingenieros registran cada decisión en un rastro de auditoría inmutable y otorgan a la IA solo los permisos mínimos necesarios para actuar (principio de mínimo privilegio).
Juntas, estas capas permiten que el rover actúe de forma autónoma manteniendo la cadena de mando transparente y reversible.
Quiénes se beneficiarán
Las misiones futuras, como el Mars Sample Return o la exploración de los polos lunares, necesitan este nivel de autonomía. Al combinar los modelos transformer con protocolos de seguridad estrictos, podemos explorar más profundamente nuestro sistema solar.
Los riesgos ocultos
La autonomía redefine el riesgo, y la capa de confianza cero lo mitiga obligando a que cada movimiento pase por un verificador.
Qué sigue
El enfoque aparece en el estudio del autor, que propone el método para misiones de prospección geológica planetaria.
Conclusión: Al enseñar a los rovers a tratar la toma de decisiones como un problema de lenguaje y envolver esa capacidad en un modelo de seguridad estricto basado en la auditoría, los ingenieros se acercan a robots que pueden realizar ciencia bajo sus propios términos, incluso cuando la Tierra está fuera de su alcance.