Claude on Mars
V decembri 2025 sa Claude od Anthropic stal prvým AI systémom, ktorý pomáhal plánovať jazdu roveru na inej planéte. Inžinieri z NASA Jet Propulsion Laboratory (JPL) použili Claude na naplánovanie trasy pre rover Perseverance — približne 400 metrov cez pole skál na povrchu Marsu. Ide o míľnik, ktorý presahuje rámec bežného technologického pokroku: rovnaký jazykový model, aký ľudia denne používajú na písanie e-mailov a analýzu dát, bol nasadený na jednu z najnáročnejších navigačných úloh, aké ľudstvo kedy riešilo.
Prečo je to prelomové
1. Problém oneskorenia signálu
Signál z Marsu na Zem cestuje v závislosti od polohy planét 3 až 22 minút jedným smerom. V čase misie z decembra 2025 to bolo okolo 20 minút. Operátori nemôžu rover riadiť v reálnom čase — musia vopred naplánovať celú trasu, odoslať ju a až neskôr vidieť výsledky. Doteraz túto úlohu vykonávali výhradne ľudskí experti so špecializovaným trénovaním.
Oneskorenie pritom nie je len technickým obmedzením — je to fundamentálna fyzikálna bariéra, ktorú žiadna technológia nedokáže prekonať. Práve preto je autonómne plánovanie tras na vzdialených telesách jednou z kľúčových výziev planetárneho výskumu.
2. Vysoké riziko pri každom pohybe
Plánovanie trasy nie je triviálne. Rover sa môže zaseknúť v piesku, prevrátiť sa, alebo si zablokovať kolesá o ostrú skalu. V roku 2009 sa rover Spirit zasekol v pieskovej pasci na mieste nazvanom Troy — a napriek mesiacom pokusov o oslobodenie sa nikdy nepohol. Misia sa skončila v roku 2011. Každá chyba v plánovaní môže znamenať koniec misie za miliardy dolárov, bez možnosti fyzického zásahu.
Perseverance má pri pohybe po teréne len zlomky milimetra toleranciu pri niektorých manévroch. Koleso, ktoré sa zachytí o nesprávny kameň, môže nielenže rover zastaviť, ale aj neodvratne poškodiť mechanizmus pohonu.
3. Prvý AI na inej planéte
Claude — ten istý model, ktorý ľudia používajú na písanie kódu, analýzu dokumentov a generovanie obsahu — teraz pomáha ľudstvu skúmať iné svety. Je to symbolický aj praktický míľnik. Frontier AI modely vychádzajú z laboratórií a vstupujú do prostredí, kde zlyhanie nie je možnosťou.
Ako to fungovalo — technické pozadie
4. Príprava kontextu a skills
Inžinieri z JPL pred samotným nasadením strávili týždne prípravou kontextu. Zhromaždili dokumentáciu z rokov riadenia roveru — interné príručky, záznamy rozhodnutí, historické dáta o teréne — a poskytli ich Claude cez Claude Code ako kontextové informácie (tzv. skills). Claude nepracoval s jedným promptom — potreboval hlboký, štruktúrovaný kontext o limitáciách roveru, pravidlách navigácie a historických incidentoch.
Kľúčovým krokom bola digitalizácia tacitného know-how: znalostí, ktoré skúsení operátori majú „v hlave" po rokoch práce, ale ktoré nikdy neboli systematicky zdokumentované. JPL tím tieto znalosti explicitne zakódoval do kontextu pre model.
5. Rover Markup Language
Claude použil svoje kódovacie schopnosti na napísanie príkazov v Rover Markup Language (RML) — proprietárnom XML jazyku vyvinutom špeciálne pre Mars Exploration Rover misiu. Tento jazyk riadi každý aspekt pohybu roveru: rýchlosť, uhol zatáčania, správanie sa pri detekcii prekážky, parametre AutoNav systému.
RML nie je bežný programovací jazyk. Má presne definovanú sémantiku, kde každý parameter má fyzický dôsledok. Claude musel nielen syntakticky správne generovať príkazy, ale rozumieť ich vzájomným závislostiiam — napríklad tomu, ako nastavenie citlivosti AutoNav ovplyvňuje rýchlosť pohybu v skalnatom teréne.
6. Vizuálna analýza terénu
Pomocou svojich multimodálnych (vision) schopností Claude analyzoval dve kategórie vstupov: satelitné snímky zhora z Mars Reconnaissance Orbiter a fotografie z kamier samotného roveru (Hazcam, Navcam). Na základe toho naplánoval trasu s waypointami — orientačnými bodmi, ktoré rover nasledoval.
Analýza nebola len o identifikácii prekážok. Claude musel vyhodnotiť aj typ povrchu (kompaktná pôda vs. sypký regolith), sklony terénu a potenciálne pasce, ktoré nie sú viditeľné z jedného uhla pohľadu. Integroval informácie z viacerých zdrojov do jedného koherentného plánu trasy.
7. Výsledok: 8. a 10. december 2025
Počas dvoch dní Perseverance úspešne prešiel cca 400 metrov po trase, ktorú naplánoval Claude. Výkon bol porovnateľný s ľudským plánovaním — bez nehôd, zaseknutia ani nutnosti korekcie kurzu. Pre JPL tím to nebola len technická validácia: bola to aj validácia metodiky — že AI model dokáže integrovať heterogénny kontext a produkovať výstupy, ktorým možno dôverovať v reálnej misii.
Perseverance — kontext misie
| Parameter | Hodnota |
|---|---|
| Pristátie | 18. február 2021 |
| Miesto | Kráter Jezero (priemer 45 km) |
| Veľkosť | ~3 m dĺžka, ~1 t hmotnosť |
| Pohon | Rádioizotopový termoelektrický generátor (RTG) |
| Hlavná misia | Geológia, klimatológia, hľadanie biosignálov |
| Vzorky | Viac ako 20 vzoriek uložených pre budúci návrat na Zem |
| Helikoptéra Ingenuity | Prvý motorový let na inej planéte (2021) |
Kráter Jezero bol vybraný kvôli geologickým dôkazom o prítomnosti vody pred 3 až 4 miliardami rokov — sedimentárne usadeniny naznačujú, že kráter bol kedysi jazerom zásobovaným riečnym systémom. Voda, ktorá mohla v tom čase podporovať mikrobiálny život, zanechala v horninách chemické stopy, ktoré Perseverance systematicky mapuje.
Technické porovnanie: ľudský operátor vs. Claude
Pre lepší kontext je užitočné porovnať oba prístupy:
| Aspekt | Ľudský operátor | Claude |
|---|---|---|
| Čas plánovania trasy | Hodiny až celý pracovný deň | Desiatky minút |
| Zdrojové dáta | Manuálne prezerané snímky | Automatická multimodálna analýza |
| Konzistencia | Závisí od únave a skúseností | Konzistentná aplikácia pravidiel |
| Dokumentácia | Čiastočná, neformálna | Plne auditovateľná (každý krok) |
| Škálovateľnosť | Limitovaná počtom expertov | Paralelizovateľná |
| Overenie | Peer review ďalším expertom | Verifikácia ľudským operátorom (HITL) |
Tabulka neukazuje, že AI je „lepší" — ukazuje, kde sú komplementárne silné stránky. Ľudský operátor stále drží kontext celej misie, rozumie politickým a vedeckým prioritám a vykonáva finálnu kontrolu. Claude akceleruje a štandardizuje analytickú fázu.
Čo to znamená pre budúcnosť
8. Úspora času a rozšírenie kapacít
Manuálne plánovanie trás je časovo náročné a limituje, koľko vzdialenosti rover denne prejde. Perseverance má síce systém AutoNav na autonómne vyhýbanie sa prekážkam medzi waypointami, ale ten vidí len z perspektívy roveru a nevie plánovať ďaleko dopredu. Claude funguje ako globálny plánovač — rozhoduje sa o tom, kam ísť, zatiaľ čo AutoNav rieši ako tam bezpečne dôjsť.
Kombinácia týchto dvoch systémov má potenciál zdvojnásobiť alebo strojnásobiť denné vzdialenosti, ktoré rover prejde — čo pri misii s obmedzenou životnosťou batérií a mechaniky priamo ovplyvňuje objem vedeckých dát.
9. Škálovateľnosť na iné telesá
Ak AI dokáže spoľahlivo plánovať trasy na Marse, otvára to dvere pre autonómnejšie misie na telesách s ešte väčším oneskorením signálu:
- Mesiac Europa (Jupiter): oneskorenie až 52 minút
- Titan (Saturn): oneskorenie 68 až 86 minút
- Vzdialené asteroidy: oneskorenie hodiny až desiatky hodín
Na týchto telesách je plná autonómia nie luxusom, ale nevyhnutnosťou. Metodika vyvinutá pri Perseverance je teda prototypom pre oveľa ambicióznejšie misie plánované na 2030. roky.
10. AI ako partner, nie náhrada
JPL nepustil Claude „na voľno" — inžinieri ho použili ako nástroj v rámci kontrolovaného procesu. Každá trasa bola overená ľudskými expertmi pred odoslaním. Ide o model Human-in-the-Loop (HITL) spolupráce, kde AI zvyšuje produktivitu a spoľahlivosť, ale zodpovednosť za rozhodnutie zostáva na ľuďoch.
Tento prístup je dôležitý nielen technicky, ale aj z hľadiska riadenia rizík. NASA nemôže experimentovať so živými misiami — každá metóda musí byť niekoľkokrát overená predtým, než sa stane štandardným postupom. Decembrové testy boli prvým krokom v tomto validačnom procese.
Širší kontext: AI vo vedeckom výskume v roku 2026
Nasadenie Clauda pri Perseverance nie je izolovaný incident — je súčasťou širšieho trendu, kde frontier AI modely vstupujú do vedeckých domén, ktoré boli doteraz výlučnou doménou ľudských špecialistov.
V roku 2025 a 2026 sme videli podobné nasadenia v oblasti:
- Proteomika — AI modely pomáhajú interpretovať hmotnostné spektrometrické dáta
- Klimatológia — analýza satelitných dát o ľadovcoch a oceánskych prúdoch
- Astrofyzika — klasifikácia galaxií a detekcia anomálií v dátach z teleskopov
Mars je v tomto kontexte symbolicky najsilnejší prípad: ďaleká, nehostinná planéta, kde zlyhanie má fatálne a nezvratné dôsledky. Ak AI funguje tam, dôveryhodnosť pre menej kritické aplikácie rastie výrazne.
Zaujímavosti
- 400 metrov = jedno kolo bežeckej dráhy — malá vzdialenosť, obrovský symbolický krok
- Signál cestuje cez Deep Space Network na vzdialenosť okolo 362 miliónov km (v čase misie)
- Claude písal príkazy v rovnakom jazyku, aký používajú ľudskí operátori od roku 2004
- Ten istý model, ktorý ti pomôže napísať e-mail, teraz naviguje rover na Marse
- JPL tím strávil prípravou kontextu viac času ako samotným testom — dôkaz, že kvalita vstupu určuje kvalitu výstupu
- Celý proces bol plne auditovateľný: každé rozhodnutie Clauda bolo zaznamenané a spätne preskúmateľné
Zdroje a odkazy
- Anthropic: Claude on Mars
- NASA JPL — Perseverance rover
- Claude Code — produktová stránka
- Mars Reconnaissance Orbiter — obrazové dáta
Zhrnutie
Claude od Anthropic sa v decembri 2025 stal prvým AI, ktorý pomáhal plánovať jazdu roveru na inej planéte. Vo spolupráci s NASA JPL naplánoval 400-metrovú trasu pre Perseverance cez skalnatý terén kratéra Jezero. Technicky išlo o kombináciu multimodálnej analýzy, generovania kódu v proprietárnom jazyku a integrácie rozsiahlého doménového kontextu. Výsledok bol porovnateľný s ľudským plánovaním — s potenciálom výraznú akceleráciu tempa misie.
Je to dôkaz, že frontier AI modely majú potenciál presiahnuť kancelársku prácu a pomáhať pri skutočnom vedeckom prieskume vesmíru. Zároveň je to pripomienka, že najsilnejšie nasadenia AI nie sú o náhrade ľudí — sú o partnerstvách, kde každá strana robí to, v čom je najlepšia.