أصبح الفضاء اليوم قوة تمكينية تمتد آثارها إلى تفاصيل الحياة اليومية: الاتصالات، الملاحة، مراقبة الطقس والأرض، إدارة الموارد، والاستجابة للكوارث. ومع تسارع نمو القطاع، يتزايد عدد الأقمار الصناعية في المدار بوتيرة غير مسبوقة؛ إذ تشير التقديرات إلى وجود نحو 16000 قمر صناعي نشط بالفعل، بينما تتوقع جهات بحثية وشركات استشارات وبيانات سوقية بناء وإطلاق عشرات الآلاف خلال السنوات المقبلة، بما في ذلك خطط توسع كبيرة في مدارات الأرض المنخفضة (LEO). وتطرح هذه الموجة أسئلة عملية: كيف يمكن تشغيل كوكبات ضخمة بأعداد كبيرة بكفاءة وأمان، وكيف يمكن اتخاذ قرارات لحظية عندما لا يكون الوقت متاحًا للانتظار حتى تصل التعليمات من الأرض؟
تكمن المشكلة الأساسية في نطاق التشغيل. فإدارة شبكة من بضعة أقمار تعتبر تحديًا يمكن التعامل معه تقليديًا عبر جدولة دورية وتحديثات من مركز التحكم. لكن تشغيل مئات أو آلاف الأقمار يغير المعادلة تمامًا: اختلاف الظروف بين مدارات متعددة، تذبذب الأحمال الحاسوبية للطائرة، الحاجة إلى مشاركة البيانات بشكل متزامن، وإدارة التعارضات والاقترانات المحتملة بين المسارات—كل ذلك يتطلب نظامًا قادرًا على اتخاذ قرارات آنية وتنسيق سلوك الأسطول بشكل شبه مستقل.
هنا برز دور الذكاء الاصطناعي ليس كترقيع إضافي، بل كحل عملي لتحسين أداء “التحكم في الوقت الحقيقي” وتقليل التأخير التشغيلي. فالذكاء الاصطناعي يمكنه دعم مهام مثل التخطيط التنبؤي، جدولة الموارد داخل القمر، رصد الأعطال مبكرًا، وتوزيع أحمال المعالجة على متن المركبة، إضافة إلى تنسيق تبادل البيانات بين الأقمار. وبينما تتسارع القدرة التقنية، يبقى سؤال الاستعداد الصناعي قائمًا: هل تمتلك الجهات المشغلة والمصنّعين والمنظمين الأطر التقنية والتنظيمية اللازمة لاعتماد الذكاء الاصطناعي بثقة؟
المعالجة في المدار: من إرسال البيانات الخام إلى إرسال “المعلومة”
من أبرز مجالات تطبيق الذكاء الاصطناعي: المعالجة في المدار (On-board Processing). في الأنظمة التقليدية، تُرسل الأقمار الصناعية إلى الأرض بيانات خام أو نصف معالجة، ثم يقوم مركز أرضي بتنظيف البيانات، فرزها، تحليلها، واستخلاص النتائج النهائية. هذا النهج يستهلك وقتًا وتكاليف نقل بيانات، كما يفرض ضغطًا على البنية الأرضية وسير العمل والتحقق.
إذا تمكّن القمر من القيام بجزء أكبر من المعالجة محليًا، يمكنه إرسال ما هو “مفيد فقط” إلى الأرض: مثل مناطق اهتمام محددة في صور الاستشعار عن بعد، أو إشارات إنذار مبكر حول ظروف جوية، أو مؤشرات بيانات مختصرة بدل إرسال كل التفاصيل. وعمليًا، يؤدي ذلك إلى:
- تقليل أحجام البيانات المرسلة، وبالتالي تخفيف الضغط على الروابط الأرضية.
- خفض زمن الاستجابة، خصوصًا في حالات الطقس القاسي أو تتبع الحوادث.
- تحسين استخدام الطاقة عبر جدولة المعالجة وفق الأولويات والحالة المدارية.
- تقليل الاعتماد على الأنظمة الأرضية التي قد تتأثر بعوامل تشغيلية أو هجمات سيبرانية أو تعطل مؤقت.
إضافة إلى ذلك، نقل التحليلات إلى المدار يعزز “مرونة النظام” على مستوى الكوكبة: إذا واجهت جهة أرضية انقطاعًا مؤقتًا أو ازدحامًا في القنوات، يمكن للأقمار الاستمرار في العمل وفق قواعد محددة مسبقًا، ثم إعادة إرسال النتائج بمجرد استعادة الاتصال.
تقليل التدخل البشري: اتخاذ قرارات بالثواني
مع ازدياد عدد الأقمار، يصبح التشغيل اليومي أكثر تعقيدًا من مجرد مراقبة حالة الجهاز. فالأقمار تحتاج إلى:
- موازنة أولويات المهام وفقًا للطلب المتغير والقدرة المتاحة.
- تجنب التداخل بين الاتصالات أو الحساسات، وتنسيق الموارد داخل الطيف.
- التكيف مع الأعطال عبر إعادة ضبط تكوينات الاستشعار أو أنماط الاتصالات.
- إدارة المدار والاتجاه ضمن حدود طاقة الدفع والقيود البنيوية.
الذكاء الاصطناعي يساهم هنا عبر أنظمة جدولة واتخاذ قرار “أسرع من الإنسان” من حيث الاستجابة اللحظية. فبدل أن تنتظر الشبكة موافقة مركز التحكم لكل تغيير صغير، يمكن للذكاء الاصطناعي تطبيق سياسات تشغيل معتمدة سلفًا واتخاذ إجراءات فورية داخل حدود ضيقة قابلة للرقابة.
لكن ماذا لو أخطأ الذكاء الاصطناعي؟
رغم وعود الأتمتة، تظل المخاطر حقيقية: إذا قام النظام بتوجيه شعاع إلى منطقة غير صحيحة، أو تسبب في تعطيل خدمة أخرى، أو أنتج نتائج تحليل غير دقيقة، فمن سيكون المسؤول؟ هذه النقطة الجوهرية تتداخل فيها جوانب قانونية وتنظيمية وتقنية.
في الأنظمة التقليدية، يفترض غالبًا أن “شخصًا محددًا” اتخذ القرار المهم—لكن إدخال الذكاء الاصطناعي قد يجعل سلسلة المسؤولية أقل وضوحًا بين مشغل القمر الصناعي، الشركة المصنعة، مزود البرمجيات، وربما جهة تكامل النظام. لذلك تحتاج الصناعة إلى وضوح أكبر في:
- النطاق المسموح للذكاء الاصطناعي: ما القرارات التي يمكنه تنفيذها وحده، وما الذي يجب أن يظل خاضعًا لموافقة بشرية.
- التوثيق القابل للتدقيق: تسجيل منطق القرار والبيانات المستخدمة، بحيث يمكن الرجوع إليها عند وقوع حادث.
- اختبارات السلامة والاعتمادية قبل الإطلاق، بما في ذلك محاكاة سيناريوهات الخطأ الشائعة والطارئة.
- عقود واضحة وحدود مسؤولية تحدد من يتعامل مع النتائج التشغيلية والأثر النهائي للأعطال.
كما يبرز عنصر إضافي: “قابلية التفسير”. فكلما كان النظام يعتمد على نماذج معقدة، يصبح من الضروري توفير وسائل لفهم سبب القرار، وليس فقط تنفيذ الإجراء. وعند وقوع خطأ، قد لا يكفي القول إن النظام تلقى بيانات مدخلة؛ بل يجب إثبات أنه اتبع قواعد السلامة ضمن التصميم.
هل صناعة الفضاء مستعدة؟ علامات الاستعداد ومجالات الفجوة
الاستعداد لا يعني توفر الذكاء الاصطناعي وحده، بل توافر منظومة متكاملة: بيانات تدريب موثوقة، نماذج تشغيلية مناسبة للقيود الحاسوبية والطاقة في الفضاء، اختبارات دقيقة، وإطارات تنظيمية وعقود تشغيلية متوازنة. من جهة أخرى، لا تزال بعض الفجوات التقنية والتنظيمية قائمة في مجالات مثل اعتماد المعايير، وتوحيد إجراءات السلامة، وضمان اتساق أداء الذكاء الاصطناعي عبر ظروف مدارية تختلف عن بيئات الاختبار الأرضية.
في المقابل، هناك تقدم ملحوظ في تبني مفاهيم “التشغيل الموجه بالسياسات”؛ أي أن الذكاء الاصطناعي يعمل ضمن حدود وقواعد مصممة للحد من المخاطر، مع وجود مسارات تصحيح تلقائية، وإجراءات تصعيد بشرية عندما تتجاوز النتائج نطاقًا معينًا. هذا النموذج يمنح الصناعة طريقًا واقعيًا للتحرك: الاستفادة من الذكاء الاصطناعي دون التخلي عن السيطرة الهندسية.
في النهاية، مستقبل تشغيل المركبات الفضائية يتجه نحو مزج الذكاء الاصطناعي بالأتمتة والحوكمة. ومع تضاعف عدد الأقمار وازدياد تعقيد الكوكبات، سيصبح من الصعب إدارة الشبكات بكفاءة بدون معالجة في المدار وتخطيط آلي سريع. لكن النجاح الحقيقي يتطلب استعدادًا متزامنًا: تقني على مستوى النظام، وقانوني على مستوى المسؤولية، وتنظيمي على مستوى قواعد الاعتماد والسلامة.
التعليقات