Một trong những cơ quan gián điệp bí mật nhất của Mỹ đang phải vật lộn với khối tài sản khổng lồ và cần đến sự trợ giúp của AI.
Giám đốc Cơ quan trinh sát quốc gia Mỹ (NRO) Chris Scolese cho biết, Văn phòng Trinh sát Quốc gia hiện có rất nhiều vệ tinh trên quỹ đạo - đặc biệt là trong chòm sao "Quỹ đạo Trái đất tầm thấp" (pLEO) mới và đang phát triển nhanh chóng - đến nỗi hệ thống kiểm soát mặt đất truyền thống, tốn nhiều công sức không thể quản lý hiệu quả tất cả.
Mỹ sở hữu rất nhiều vệ tinh do thám nhất cử nhất động của các nước vận hành trên quỹ đạo. Ảnh minh họa: CSSO
Scolese phát biểu tại Hội nghị thượng đỉnh về tình báo và an ninh Mỹ INSA-AFCEA rằng: "Chúng ta cần sử dụng những lợi ích của trí tuệ nhân tạo… để kiểm soát các chòm sao của mình, giúp người dùng sử dụng dễ dàng hơn rất nhiều".
“Trong vòng 24 đến 30 tháng… chúng tôi đã phóng hơn 200 vệ tinh. Chúng tôi sẽ phóng thêm vài vệ tinh nữa, hy vọng là vào thứ Hai và sau đó chúng tôi vẫn còn nhiều vệ tinh nữa phải phóng trong năm nay.”
Con số 200 đó bao gồm số lượng lớn các vệ tinh pLEO nhưng cũng có nhiều loại khác, bao gồm các vệ tinh nghiên cứu thử nghiệm công nghệ AI và tự động hóa mới trên quỹ đạo.
Scolese cho biết: “Họ đang ở trên một vài vệ tinh có tên là Big Impact để thử nghiệm hoạt động tự động của các hệ thống không gian, nơi họ có thể đưa ra quyết định”.
Có rất ít thông tin công khai về Big Impact, và Scolese cũng không đi sâu hơn. Tuy nhiên, trong bài phát biểu vào tháng 7 tại Câu lạc bộ Sĩ quan Potomac, phó giám đốc NRO cho biết “BIG IMPACT 2” đã được phóng trong ba tháng đầu năm 2025 và “bao gồm hai vệ tinh CubeSat 6U đã thử nghiệm việc sử dụng quang học quy mô nhỏ và các ứng dụng trí tuệ nhân tạo trên quỹ đạo”.
Không phải tất cả AI của NRO đều kỳ lạ như vậy. Cũng như nhiều cơ quan an ninh quốc gia khác của Mỹ, phần lớn sự phát triển AI của NRO cho đến nay đều diễn ra ở "văn phòng hậu cần", sử dụng các hệ thống tương tự hoặc thậm chí giống hệt phần mềm kinh doanh thương mại. Tuy nhiên, cơ quan này cũng đang chuyển sang các ứng dụng riêng biệt và bí mật hơn.
Không muốn bỏ sót bất cứ tình tiết nào, Mỹ phải nhờ cậy đến AI để giám sát, phân tích dữ liệu từ vệ tinh.
“Chúng tôi sử dụng AI rất nhiều,” Scolese nói. “Chúng tôi sử dụng nó ở mọi nơi, từ hệ thống nhân sự đến hệ thống tài chính, nhưng chúng tôi cũng sử dụng nó để, bạn biết đấy, giám sát các chòm sao của mình và… giúp cộng đồng người dùng sử dụng các chòm sao của chúng tôi tốt hơn.”
Trước đây, mỗi vệ tinh sẽ được điều khiển từ xa bởi các nhân viên vận hành trên mặt đất: "Vệ tinh X, làm cái này đi", như Scolese đã nói. Mục tiêu của NRO là có khả năng đặt câu hỏi, bằng tiếng Anh đơn giản, cho toàn bộ chòm sao vệ tinh, sau đó để AI tự động tìm ra từng cảm biến riêng lẻ cần xoay theo góc nào, vào thời điểm nào để thu thập dữ liệu cần thiết, rồi tổng hợp chúng thành một báo cáo duy nhất, rõ ràng.
Ví dụ, ông cho biết, người dùng có thể nói, "'Tôi muốn biết có bao nhiêu tàu ở Eo biển Đài Loan' ... và sau đó hệ thống có thể tự động thực hiện việc đó."
Một phương pháp tiếp cận tự động hơn đã trở nên thiết yếu đối với một cơ quan vốn trước đây phụ thuộc vào số lượng nhỏ các vệ tinh lớn, đắt tiền và "tinh xảo", nhưng đã tận dụng sự bùng nổ trong không gian thương mại để phóng số lượng lớn các vệ tinh nhỏ hơn, rẻ hơn.
Nhiều vệ tinh hơn mang lại nhiều lựa chọn hơn để theo dõi nhiều mục tiêu cùng lúc, nghiên cứu các điểm quan tâm ưu tiên cao từ nhiều góc độ trong thời gian dài hơn, và tránh được việc mất bất kỳ vệ tinh nào do tai nạn, sự cố hoặc hành động thù địch.
Nhưng cũng cần nhiều công sức hơn để phối hợp tất cả các vật thể chuyển động đó — vệ tinh ở quỹ đạo trung bình đến thấp phải di chuyển với tốc độ khoảng 7.000 đến 17.000 dặm/giờ để tránh rơi khỏi bầu trời — và giữ cho mỗi cảm biến luôn hướng đúng hướng vào đúng thời điểm.
Nhiều vệ tinh hơn cũng tạo ra nhiều dữ liệu hơn để hiểu, đặc biệt là vì nhiều cảm biến có thể thu thập dữ liệu thuộc các loại khác nhau từ các góc độ khác nhau trên cùng một mục tiêu, và bản thân mục tiêu đó có thể đang di chuyển.
“Họ đang tìm kiếm trong cùng một khu vực, nhưng mỗi lần đến đó lại thấy kết quả khác nhau. Làm sao để ghép nối tất cả dữ liệu đó? Vậy nên chúng ta cần sự hỗ trợ để thu thập tất cả các dữ liệu đó.
