1. Naslov i uvod
Granica svemirskih otkrića danas nije visina rakete, nego pristup istim GPU‑ovima koje troše chatboti i generatori slika. Nova generacija svemirskih teleskopa i opservatorija na Zemlji proizvest će nezamislive količine podataka, baš u trenutku kada je globalno tržište grafičkih akceleratora napeto do pucanja. To stvara tihi, ali ozbiljan sukob između javne znanosti i komercijalne umjetne inteligencije – s posljedicama i za Europu i za jugoistočnu Europu. U nastavku objašnjavam zašto astronomi sve češće postaju „GPU poduzetnici“ i što bi s tim trebali učiniti političari.
2. Vijest ukratko
Prema pisanju TechCruncha, NASA planira u rujnu 2026. lansirati svemirski teleskop Nancy Grace Roman, otprilike osam mjeseci ranije od prvotnog plana. Tijekom svojeg radnog vijeka Roman bi trebao generirati oko 20.000 terabajta podataka. To se nadovezuje na oko 57 GB slika dnevno koje već šalje svemirski teleskop James Webb te na nadolazeće cjelonoćne preglede neba opservatorija Vera C. Rubin u Čileu, od kojih se očekuje oko 20 TB podataka svake noći. Za usporedbu, Hubble je davao tek 1–2 GB podataka dnevno.
Astronomi se za obradu takvih volumena oslanjaju na GPU‑ove i duboko učenje. TechCrunch ističe rad astrofizičara Branta Robertsona sa Sveučilišta California u Santa Cruzu, dugogodišnjeg suradnika Nvidije i su‑autora modela Morpheus za prepoznavanje galaksija u velikim skupovima podataka. Morpheus prelazi s konvolucijskih mreža na transformatore, a tim razvija i generativne modele za poboljšanje slika zemaljskih teleskopa. Ipak, GPU klaster koji Robertson koristi – financiran sredstvima Nacionalne zaklade za znanost – već zastarijeva, dok potražnja i politički pritisci na proračun rastu.
3. Zašto je to važno
Suvremena astronomija postaje ograničena ne toliko instrumentima koliko računalnom infrastrukturom. Gradimo spektakularne teleskope, ali da bismo u podacima pronašli nove galaksije ili tragove tamne tvari, trebaju nam tisuće sati GPU vremena – iste one resurse koje kupuju i veliki AI laboratoriji.
Tko profitira? Prije svega proizvođači čipova i globalni pružatelji oblaka, koji iste kartice iznajmljuju svima, od oglašivačkih algoritama do svemirskih misija. Dobro prolaze i najveće tehnološke tvrtke koje mogu unaprijed rezervirati goleme količine GPU‑ova i time diktirati tržište.
Tko gubi? Javna znanost i manji istraživački timovi. Sveučilišni odjeli u Zagrebu, Splitu ili Ljubljani teško se mogu natjecati s budžetima američkih korporacija. Rezultat su duge liste čekanja, odgađanje projekata i situacija u kojoj mladi istraživači rade s pojednostavljenim modelima jer „za nešto veće nema GPU‑a“.
Time se produbljuju postojeće nejednakosti: bogate institucije s pristupom nacionalnim superračunalima vjerojatno će se snaći; ostali će uglavnom promatrati sa strane. Ako vrhunska analiza podataka zahtijeva modele s milijardama parametara, računalna snaga postaje nova granica ulaska u elitni znanstveni klub.
4. Šira slika
Ova priča dio je većih trendova koje vidimo zadnjih godina.
Prvo, globalna nestašica GPU‑ova. Eksplozija velikih jezičnih modela stvorila je potražnju koja višestruko nadmašuje ponudu. Oblačni servisi uvode ograničenja, države pričaju o „digitalnom suverenitetu“, a start‑upovi se hvale da su osigurali par stotina H100 kartica kao da je riječ o naftnom polju.
Drugo, prebacivanje znanstvene infrastrukture na komercijalne platforme. Umjesto da grade vlastite klastere i razvijaju zajednička pravila, mnoge istraživačke skupine jednostavno koriste komercijalne oblake. To jest praktično, ali moć odlučivanja o cijenama, prioritetima i uvjetima korištenja seli se u ruke nekoliko privatnih kompanija.
Treće, „AI‑izacija“ svake znanosti. U astronomiji, biologiji, medicinskom snimanju ili klimatskim modelima, klasične numeričke metode nadopunjuju se ili zamjenjuju dubokim učenjem. To otvara nova vrata, ali ih i zatvara onima bez resursa. Ako ne možete nabaviti GPU‑ove, u nekim područjima jednostavno ne možete konkurirati.
Slične rasprave vodile su se i ranije – primjerice oko CERN‑a i LHC‑a – no tada je znanstvena zajednica izgradila vlastitu distribuiranu računalnu mrežu s jasnim pravilima. Danas postoji realna opasnost da istu ključnu infrastrukturu prešutno prepustimo tržištu oblaka.
5. Europski i regionalni kontekst
Za Europsku uniju, uključujući Hrvatsku i susjedne zemlje, ovo je test stvarnog značenja „digitalnog suvereniteta“.
EU već financira niz podatkovno intenzivnih projekata: misije ESA‑e, europske udjele u opservatorijima u Čileu, nove radioteleskope, kao i EuroHPC superračunala u Finskoj, Italiji, Njemačkoj i drugdje. No mnogi od tih sustava još su uvijek dominantno CPU orijentirani, dok je broj GPU čvorova ograničen.
Ako se kapaciteti GPU‑a počnu iznajmljivati po isključivo tržišnim uvjetima, javna znanost lako može završiti na začelju. U Dalmaciji, Sloveniji ili Srbiji većina sveučilišta nema vlastite velike klastere; ovise o nacionalnim ili europskim centrima. Zato je iznimno važno kako će se ti resursi raspoređivati – hoće li dio biti trajno rezerviran za otvorenu znanost ili će se prioritet dati komercijalnim ugovorima.
Regulatorni instrumenti poput GDPR‑a, Zakona o digitalnim uslugama ili nadolazećeg EU AI Act‑a uglavnom uređuju podatke i ponašanje sustava, ali ne i pitanje tko ima pristup samom računalnom resursu. Ako smatramo da su klima, zdravlje i temeljna znanost javno dobro, logičan je korak da se i GPU kapaciteti počnu promatrati kao dio javne infrastrukture.
6. Pogled unaprijed
U sljedećih nekoliko godina možemo očekivati tri zanimljiva razvoja.
Prvo, više „pametnih“ instrumenata. Kako bi smanjili pritisak na podatkovne centre, budući teleskopi i senzori imat će ugrađene modele koji filtriraju, komprimiraju ili klasificiraju podatke još na izvoru. Time će se dio problema s GPU‑ima premjestiti iz superračunala u fazu dizajna znanstvenih instrumenata.
Drugo, širenje hardverskog ekosustava. Uz GPU‑ove, važniju ulogu igrat će specijalizirani čipovi, energetski učinkovitiji akceleratori i optimizirani modeli koji postižu dobre rezultate uz manje resursa. To je šansa i za europske proizvođače poluvodiča i start‑upove iz regije da pronađu mjesto u lancu vrijednosti.
Treće, sve glasniju raspravu o „pravednom pristupu računalnoj snazi“. Tko dobiva prednost na javnim superračunalima? Kakvi se uvjeti trebaju postaviti kad se javno financirani GPU‑ovi koriste za zatvorene, komercijalne projekte? Treba li zakonski odrediti minimalni udio kapaciteta za neprofitnu, otvorenu znanost – slično kao što se dio radiofrekvencijskog spektra rezervira za hitne službe i znanstvene svrhe?
Za čitatelje u Hrvatskoj i regiji ključno je pratiti hoće li se država i sveučilišta aktivno uključiti u europske inicijative (EuroHPC, zajednički centri, regionalni klasteri) i hoće li se računalna infrastruktura početi tretirati kao jednako važna kao laboratoriji ili medicinska oprema.
7. Zaključak
Nedostatak GPU‑ova više nije egzotična briga tehnoloških tvrtki, nego faktor koji izravno oblikuje kakvu znanost možemo raditi i tko u njoj sudjeluje. Astronomi koji love najudaljenije galaksije sada stoje u istom redu za hardver kao i proizvođači oglašivačkih algoritama i zabavnih chatbota. Ako želimo da misije poput Roman, Webb i Rubin doista služe javnom interesu, moramo računalnu snagu tretirati kao ključnu istraživačku infrastrukturu – planirati je, pravedno dijeliti i dugoročno financirati. Pitanje je samo hoćemo li to učiniti na vrijeme ili tek kad shvatimo da nam je znanje o svemiru zapelo u GPU čekaonici.
