Solo 10 meses, ese es el tiempo que le tomó a Amazon
Web Service
, el gigante global de la computación en la nube, probar un método rápido y eficiente para recopilar y analizar datos directamente en órbita utilizando la nube. Así, la compañía anunció que había ejecutado con éxito un conjunto de software informático y de aprendizaje automático en un satélite.
Se trata de un resultado realmente sorprendente porque este experimento permitió analizar enormes volúmenes de datos de satélites en bruto en órbita y transmitir a la Tierra sólo los más útiles para su archivo o posterior análisis. Esto reduce los costes y, sobre todo, hace que las decisiones sean mucho más oportunas.
Pero, ¿en qué consistió el experimento puesto en marcha por AWS? Esencialmente, la operación se centró en aplicar varios modelos de aprendizaje automático a los datos capturados por los sensores del satélite para identificar objetos específicos tanto en el cielo, como las nubes y el humo de los incendios forestales, como en el suelo, incluidos edificios y barcos. Las imágenes satelitales sin procesar y los conjuntos de datos como este suelen ser bastante grandes. Es por eso que los ingenieros crearon una forma de dividir archivos de datos grandes en otros más pequeños. El uso de los servicios de IA de AWS ayuda a reducir el tamaño de la imagen hasta en un 42 %, lo que aumenta la velocidad de procesamiento y permite realizar inferencias en tiempo real en órbita. En definitiva, un experimento verdaderamente revolucionario.
Reiterando la importancia y esencialidad de este experimento está el vicepresidente de
Amazon Web Service
, Max Peterson , quien explicó que el uso del software de AWS para realizar análisis de datos en tiempo real a bordo de un satélite, y enviar este análisis directamente a través de la nube, es un cambio decisivo en los enfoques existentes para la gestión de datos espaciales. «También ayuda a ampliar los límites de lo que creemos que es posible para las operaciones satelitales», dijo Peter.
Baste decir que en este momento, a pesar de la investigación y los avances tecnológicos, existen muchos desafíos técnicos asociados con el almacenamiento y la comunicación de datos en el espacio. ¿Qué es específicamente? En primer lugar, la alta latencia, es decir, el tiempo de respuesta entre viajes de ida y vuelta y el ancho de banda limitado. Sin embargo, una vez más, AWS está haciendo todo lo posible para innovar y superar el obstáculo, como asociarse con
D-Orbit
y
Unibap
para abordar directamente estos desafíos que se aplican a las operaciones satelitales. Se trata de dos empresas especializadas, italianas y suecas respectivamente, que ya han experimentado con colaboraciones anteriores en el pasado.
Pero, ¿quiénes son estas dos empresas? D-Orbit es miembro de la
red de socios de AWS
y, como escribimos, es una empresa italiana con sede en la provincia de Como. Al aplicar los servicios informáticos y de aprendizaje automático de AWS a las imágenes de observación de la Tierra, D-Orbit pudo analizar rápidamente grandes cantidades de datos directamente a bordo del
satélite ION en órbita
. Permite una interfaz mecánica y eléctrica, lo que garantiza que los experimentos a bordo puedan integrarse y gestionarse desde tierra como un subsistema del propio ION .
Sergio Mucciarelli, vicepresidente de ventas comerciales de D-Orbit, explicó cómo los clientes quieren procesar de forma segura cantidades cada vez mayores de datos satelitales con una latencia muy baja. «Creemos en el impulso hacia la computación de borde, y esto solo se puede hacer con una infraestructura espacial que sea adecuada para su propósito», dijo Mucciarelli.
Unibap, también socio de AWS , es una empresa sueca de alta tecnología que ha creado una carga útil informática calificada para el espacio. A continuación, la carga útil se integró en el satélite ION y se lanzó al espacio. El 21 de enero, el equipo hizo el primer contacto exitoso con la carga útil y ejecutó el primer comando remoto desde la Tierra. Y Fredrik Bruhn, evangelista jefe en transformación digital y cofundador de Unibap, señaló que su empresa quiere «ayudar a los clientes a transformar rápidamente los datos satelitales sin procesar en información que se pueda usar en segundos, permitir el aprendizaje federado a bordo para la adquisición autónoma de información y aumentar el valor de los datos que se transmiten en el enlace descendente».