Dacă până acum inteligența artificială era, pentru mulți, un instrument de birou care scrie texte și generează imagini, NASA tocmai i-a dat un rol mai greu de contestat: a planificat efectiv un drum pe altă planetă. Iar Perseverance l-a executat. Nu e doar o bifă tehnologică, ci o schimbare de paradigmă: cine „conduce” explorarea spațială atunci când distanța face imposibil controlul în timp real?
Marte e, în medie, la aproximativ 140 de milioane de mile (225 de milioane de kilometri) de Pământ — suficient cât să transforme orice idee de joystick într-o glumă. Timp de 28 de ani, rutele roverelor au fost desenate, pas cu pas, de echipe umane care studiază terenul și trimit comenzi prin Deep Space Network. Acum, pentru prima dată, planificarea a fost lăsată, controlat, pe mâna unui model generativ.
Un test mic ca distanță, mare ca semnificație
Demonstrația a avut loc în două ieșiri din 8 și 10 decembrie 2025, pe marginea craterului Jezero, și a fost condusă de Jet Propulsion Laboratory (JPL) din sudul Californiei. În acele două episoade, Perseverance a rulat pe baza unor „waypoints” (puncte fixe de pe traseu) generate de AI — o sarcină care, în mod normal, e făcută manual de planificatorii de rută.
Rezultatele sunt concrete, nu doar „promițătoare”:
– pe 8 decembrie, roverul a parcurs 689 de picioare (210 metri);
– pe 10 decembrie, a parcurs 807 picioare (246 metri);
– vorbim despre solurile 1.707 și 1.709 ale misiunii.
Pentru publicul larg, 210–246 de metri pot părea o plimbare scurtă. Pentru operațiunile planetare, însă, mesajul e altul: AI-ul a făcut partea cea mai consumatoare de timp și atenție — analiza terenului și propunerea unei rute „curate”, cu puncte intermediare, în condiții de risc real.
Ce a „văzut” AI-ul și ce a făcut, de fapt
NASA spune că a folosit un tip de AI generativ numit „vision-language models” (modele viziune-limbaj), antrenate să interpreteze imagini și date tehnice. Sistemul a analizat date existente din seturile de date JPL pentru misiuni de suprafață și a folosit aceleași tipuri de informații pe care se bazează și oamenii: imagini și date de teren.
Mai important: AI-ul nu a improvizat „după inspirație”, ci a fost alimentat cu:
– imagini orbitale de înaltă rezoluție de la camera HiRISE (High Resolution Imaging Science Experiment) de pe Mars Reconnaissance Orbiter;
– date de pantă și relief din modele digitale de elevație.
A identificat obstacole și zone de risc (rocă de bază, aflorimente, câmpuri de bolovani periculoși, ondulații de nisip) și a generat o cale continuă cu waypoints. Exact genul de muncă migăloasă care, pe Pământ, consumă ore de analiză pentru fiecare „mutare” a roverului.
„AI, dar cu centură și airbag”: de ce digital twin-ul e cheia
Aici e partea pe care merită s-o reținem, mai ales într-o perioadă în care AI-ul e vândut adesea ca magie: NASA nu a trimis pur și simplu comenzi generate de un model către Marte.
Pentru ca instrucțiunile să fie compatibile cu software-ul de zbor al roverului, echipa de inginerie a trecut comenzile prin „digital twin” — replica virtuală a roverului — și a verificat peste 500.000 de variabile de telemetrie înainte să trimită pachetul de comenzi pe planetă.
Cu alte cuvinte, AI-ul a propus, dar ingineria a validat. Asta spune mult despre cum va arăta, realist, viitorul: autonomie crescută, dar cu garduri de protecție, auditabilitate și simulare.
De ce contează: nu e despre „mai repede”, e despre „mai departe”
Administratorul NASA, Jared Isaacman, a încadrat momentul ca pe o extindere a capabilităților de explorare și ca pe un instrument de eficiență pe măsură ce distanța față de Pământ crește. Mesajul e limpede: pe măsură ce mergem spre misiuni mai complexe, autonomia nu mai e un moft, ci infrastructură.
Vandi Verma, robotician la JPL, punctează direct miza: AI-ul poate eficientiza cei trei piloni ai navigației autonome — percepție, localizare, planificare și control — și poate reduce volumul de muncă al operatorilor, pregătind terenul pentru deplasări la scară de kilometri. Iar aici apare o implicație cu bătaie lungă: dacă roverele vor putea face mai mult „singure”, oamenii vor putea planifica mai multă știință, nu doar evitarea bolovanilor.
Matt Wallace, managerul JPL Exploration Systems Office, merge și mai departe: vede astfel de sisteme inteligente nu doar pe Pământ, ci „la margine” (edge) — direct în rovere, elicoptere, drone — ca tehnologie necesară pentru o prezență umană permanentă pe Lună și pentru drumul SUA spre Marte.
Întrebarea incomodă: când devine AI-ul coechipier, nu unealtă?
Evoluția ridică o întrebare pe care NASA o evită, deocamdată, în termeni filosofici, dar o tratează tehnic: câtă autonomie e acceptabilă înainte să pierzi controlul operațional? Faptul că au verificat 500.000 de variabile arată că agenția nu e în tabăra „lăsați modelul să decidă”. E în tabăra „modelul propune, sistemul certifică”.
Așadar, competiția globală în spațiu se mută din zona „cine are racheta mai mare” în zona „cine are software-ul mai bun și mai sigur”. Iar aici, investițiile în AI aplicat, robotică, simulare și inginerie de sistem devin diferențiator strategic — inclusiv pentru ecosistemele europene care vor să rămână relevante.
Finalul nu e despre cei 246 de metri. E despre faptul că, pe Marte, a apărut un nou actor în lanțul decizional: un AI care poate citi terenul și poate desena trasee. Rămâne de văzut cât de repede va trece NASA de la „demonstrație” la rutină — și, mai ales, cât de multă explorare vom câștiga atunci când oamenii nu vor mai fi nevoiți să planifice fiecare pas al unei roți.
Surse: NASA/JPL-Caltech (comunicat JPL, 30 ianuarie 2026)