El satélite Suncatcher de Google ejecuta inteligencia artificial en órbita y responde con un haiku
El satélite experimental Suncatcher de Google ha ejecutado por primera vez un modelo de inteligencia artificial en el espacio y ha enviado a la Tierra una respuesta generada a bordo: un haiku sobre la vida en órbita. El sistema utilizó Gemma 4, el modelo abierto de la compañía, durante un paso sobre una estación terrestre situada en Svalbard, Noruega.
La demostración representa un pequeño paso técnico, pero también un mensaje de mayor alcance. Google estudia la posibilidad de instalar centros de datos en órbita, alimentados directamente con energía solar, para aliviar algunos de los límites que afronta la expansión de la IA en la Tierra: el consumo eléctrico, la disponibilidad de agua para refrigeración y la falta de espacio.
Una respuesta generada fuera de la Tierra
El equipo de Google envió desde tierra una instrucción a Gemma 4 para que escribiera un haiku sobre estar en el espacio. El satélite procesó la petición con sus propios chips y transmitió el resultado cuando sobrevolaba la estación terrestre.
La traducción aproximada del poema describe una esfera azul bajo el satélite, datos que fluyen en silencio y la luz de las estrellas alimentando su núcleo. Después de esta primera prueba, los investigadores solicitaron otros formatos literarios, como limericks, y pidieron al sistema que informara sobre el estado de sus componentes.
El experimento se llevó a cabo a bordo de un prototipo lanzado el 1 de octubre. Según los datos difundidos por Google, el vehículo incorpora cuatro TPU, procesadores diseñados específicamente para acelerar operaciones de inteligencia artificial.
Qué es una TPU y por qué resulta importante
Una TPU, siglas de Tensor Processing Unit, es un chip especializado en cálculos matemáticos utilizados por los modelos de IA. A diferencia de un procesador convencional, está optimizada para ejecutar muchas operaciones en paralelo, algo esencial para analizar datos o generar texto con rapidez.
El satélite puede producir hasta un kilovatio de potencia, una capacidad todavía limitada para hacer funcionar simultáneamente todos sus aceleradores. Por este motivo, la prueba empleó un solo TPU cada vez y durante aproximadamente veinte minutos.
El modelo Gemma 4 pertenece a la categoría de modelos de lenguaje. Estos sistemas han sido entrenados con grandes cantidades de texto para reconocer patrones y generar respuestas coherentes a partir de una instrucción. En este caso, el procesamiento se realizó en el propio satélite, sin enviar la petición a un centro de datos terrestre.
El atractivo de llevar la IA a la órbita
La propuesta de Suncatcher parte de una idea sencilla: fuera de la atmósfera, los paneles solares pueden recibir luz con mucha más continuidad que en la superficie. No hay nubes, noches prolongadas en determinadas órbitas ni necesidad de ocupar grandes extensiones de terreno para instalar las infraestructuras energéticas.
La energía se ha convertido en uno de los principales obstáculos para el crecimiento de la inteligencia artificial. Entrenar modelos avanzados y mantenerlos disponibles para millones de usuarios exige enormes cantidades de electricidad. Además, los centros de datos necesitan sistemas de refrigeración que pueden consumir grandes volúmenes de agua.
Google no es la única compañía que contempla esta posibilidad. Starcloud ha captado 250 millones de dólares, unos 224 millones de euros, para desarrollar centros de datos orbitales equipados con GPU, otro tipo de procesador utilizado habitualmente en IA. En tierra, Google también ha cerrado acuerdos energéticos de gran escala, incluido uno de 890 megavatios con Constellation Energy para generación nuclear.
Radiación, temperatura y costes: los retos pendientes
La prueba del haiku demuestra que es posible encender un acelerador, ejecutar un modelo y enviar el resultado desde el espacio. Sin embargo, todavía no confirma que un centro de datos orbital pueda funcionar de manera estable, segura y rentable durante años.
Uno de los problemas principales es la radiación espacial. Las partículas de alta energía pueden alterar los bits almacenados en la memoria de un chip y provocar errores. Las pruebas realizadas por Google en tierra apuntan a que este fenómeno podría afectar menos a la ejecución de modelos que a su entrenamiento, aunque el comportamiento deberá comprobarse en condiciones reales.
El control térmico también será determinante. Los equipos electrónicos generan calor y, en el vacío, no pueden disiparlo mediante el aire como ocurre en muchos centros de datos terrestres. El satélite necesita sistemas específicos para evacuar esa energía sin añadir demasiado peso.
- Radiación: puede provocar errores en la memoria y en los cálculos.
- Refrigeración: el vacío dificulta eliminar el calor generado por los chips.
- Comunicaciones: será necesario mantener enlaces rápidos y fiables con tierra y entre satélites.
- Coste de lanzamiento: poner en órbita toneladas de hardware sigue siendo muy caro.
- Mantenimiento: reparar o sustituir componentes en el espacio resulta mucho más complejo que en un centro terrestre.
El siguiente paso llegará en 2027
Google prevé lanzar dos satélites en 2027 para estudiar cómo trabajan los TPU bajo estrés térmico y radiación. La compañía también quiere probar la comunicación mediante enlaces láser entre ambos vehículos, una tecnología capaz de transmitir grandes volúmenes de datos con más velocidad y precisión que algunos sistemas de radio.
El calendario depende, en parte, de que los lanzamientos espaciales sean mucho más baratos. Para que los centros de datos orbitales resulten competitivos, será necesario transportar hardware pesado, desplegarlo y reemplazarlo con una frecuencia razonable. El desarrollo de cohetes totalmente reutilizables será clave en esta ecuación.
Suncatcher ha superado la primera prueba visible: una IA instalada en un satélite ha recibido una orden, la ha procesado y ha respondido desde la órbita. El haiku es la parte más llamativa de la historia, pero el verdadero objetivo es comprobar si el espacio puede convertirse en una nueva plataforma para la infraestructura de IA. Por ahora, la tecnología ha demostrado que funciona; todavía falta saber si puede hacerlo a una escala útil y con una cuenta económica viable.
