एक नया AI आर्किटेक्चर मंगल और चंद्रमा के रोवर्स को यह तय करने की अनुमति दे सकता है कि उन्हें क्या अध्ययन करना है और कैसे आगे बढ़ना है, बिना पृथ्वी के 4 से 24 मिनट के राउंड-ट्रिप का इंतज़ार किए, जिससे उस विलंबता (latency) को कम किया जा सके जो अब त्वरित निर्णयों को रोक देती है। यह प्रस्ताव, जो ज़ीरो-ट्रस्ट गवर्नेंस लेयर (zero-trust governance layer) में लिपटे decision-transformer मॉडल्स पर आधारित है, भविष्य के ग्रहीय मिशनों के लिए "वैज्ञानिक-स्तर" की स्वायत्तता का वादा करता है।

रोवर्स को स्वयं सोचने की आवश्यकता क्यों है

आज के रोवर्स अनिवार्य रूप से रिमोट-कंट्रोल कारें हैं। जब तक रोबोट जवाब का इंतज़ार करता है, पृथ्वी से आया एक कमांड कतार (queue) में रहता है, और कोई भी अप्रत्याशित बाधा मिशन को घंटों के लिए रोक सकती है।

AI में बड़ी सफलता: decision transformers

Decision transformers एक्शन सिलेक्शन (action selection) को लैंग्वेज-मॉडलिंग कार्य में बदल देते हैं। ट्रायल और एरर (trial and error) से सीखने के बजाय, मॉडल पिछले राज्यों के अनुक्रम—स्थिति, सेंसर रीडिंग—और संबंधित पुरस्कारों—वैज्ञानिक मूल्य, सुरक्षा स्कोर—को स्कैन करता है और उस अगले कदम की भविष्यवाणी करता है जो पुरस्कार को अधिकतम कर सके। वास्तव में, AI इस आधार पर कहानी की अगली सबसे अच्छी पंक्ति "लिखता" है कि कहानी अब तक कैसे आगे बढ़ी है।

AI को अंतरिक्ष के लिए सुरक्षित बनाना

डिज़ाइन में दो सुरक्षा उपाय शामिल किए गए हैं:

  • मानव-संरेखित उद्देश्य (Human-aligned objectives) – टीम मॉडल को तीन मिशन-महत्वपूर्ण लक्ष्यों को संतुलित करने के लिए प्रशिक्षित करती है: वैज्ञानिक लाभ को अधिकतम करना (जैसे, सबसे दिलचस्प चट्टान का चयन करना), खतरों से बचना (खड़ी ढलान, बिजली की कमी), और मिशन की सीमाओं (समय, डेटा बैंडविड्थ) का सम्मान करना। AI निर्धारित योजना से भटकता नहीं है; हर विकल्प को इन मानव-निर्धारित प्राथमिकताओं के आधार पर तौला जाता है।

  • ज़ीरो-ट्रस्ट गवर्नेंस (Zero-trust governance) – साइबर सुरक्षा से लिया गया यह ढांचा यह मानकर चलता है कि रोवर का मस्तिष्क समझौताग्रस्त (compromised) हो सकता है या बस खराब हो सकता है। इंजीनियर हर निर्णय को एक अपरिवर्तनीय ऑडिट ट्रेल (immutable audit trail) में दर्ज करते हैं, और वे AI को कार्य करने के लिए केवल न्यूनतम आवश्यक अनुमतियाँ (least-privilege) प्रदान करते हैं।

साथ मिलकर, ये परतें रोवर को स्वायत्त रूप से कार्य करने देती हैं, जबकि कमांड की श्रृंखला को पारदर्शी और प्रतिवर्ती (reversible) बनाए रखती हैं।

किसे लाभ होगा

Mars Sample Return या चंद्र ध्रुवीय अन्वेषण (lunar polar exploration) जैसे भविष्य के मिशनों को इस स्तर की स्वायत्तता की आवश्यकता है। Transformer मॉडल्स को सख्त सुरक्षा प्रोटोकॉल के साथ जोड़कर, हम अपने सौर मंडल में और गहराई तक जा सकते हैं।

छिपे हुए जोखिम

स्वायत्तता जोखिम को नया रूप देती है, और ज़ीरो-ट्रस्ट लेयर हर कदम को एक सत्यापनकर्ता (verifier) के माध्यम से अनिवार्य बनाकर इसे कम करती है।

आगे क्या है

यह दृष्टिकोण लेखक के अध्ययन में दिखाई देता है, जो ग्रहीय भूविज्ञान सर्वेक्षण मिशनों (planetary geology survey missions) के लिए इस पद्धति का प्रस्ताव करता है।

निष्कर्ष (Takeaway): रोवर्स को निर्णय लेने को एक भाषा की समस्या के रूप में देखने के लिए सिखाकर और उस क्षमता को एक सख्त ऑडिट-प्रथम सुरक्षा मॉडल में लपेटकर, इंजीनियर ऐसे रोबोटों की ओर बढ़ रहे हैं जो अपनी शर्तों पर विज्ञान को आगे बढ़ा सकते हैं, तब भी जब पृथ्वी की पहुँच से बाहर हों।