Arsitektur AI baru dapat memungkinkan rover Mars dan Bulan untuk memutuskan apa yang harus dipelajari dan bagaimana cara bergerak tanpa harus menunggu perjalanan pulang-pergi selama 4 hingga 24 menit ke Bumi, sehingga memangkas latensi yang saat ini menghambat pengambilan keputusan cepat. Proposal ini, yang dibangun di atas model decision-transformer yang dibungkus dalam lapisan tata kelola zero-trust, menjanjikan otonomi tingkat "ilmuwan" untuk misi planet di masa depan.
Mengapa rover perlu berpikir sendiri
Rover saat ini pada dasarnya adalah mobil kendali jarak jauh. Sebuah perintah dari Bumi tertahan dalam antrean sementara robot menunggu jawaban, dan rintangan tak terduga apa pun dapat menghentikan misi selama berjam-jam.
Terobosan AI: decision transformers
Decision transformers mengubah pemilihan tindakan menjadi tugas pemodelan bahasa. Alih-alih belajar melalui uji coba (trial and error), model ini memindai urutan status masa lalu—posisi, pembacaan sensor—dan imbalan terkait—nilai ilmiah, skor keselamatan—lalu memprediksi tindakan berikutnya yang akan memaksimalkan imbalan tersebut. Efeknya, AI "menulis" baris cerita terbaik berikutnya berdasarkan bagaimana cerita tersebut telah berlangsung sejauh ini.
Membuat AI aman untuk luar angkasa
Dua pengaman telah disematkan ke dalam desainnya:
Tujuan yang selaras dengan manusia (human-aligned objectives) – Tim melatih model untuk menyeimbangkan tiga tujuan kritis misi: memaksimalkan hasil ilmiah (misalnya, memilih batu yang paling menarik), menghindari bahaya (lereng curam, kehilangan daya), dan menghormati batasan misi (waktu, bandwidth data). AI tidak akan melenceng dari rencana; setiap pilihan ditimbang terhadap prioritas yang telah ditentukan oleh manusia ini.
Tata kelola zero-trust – Diambil dari keamanan siber, kerangka kerja ini berasumsi bahwa "otak" rover bisa saja disusupi atau sekadar mengalami malfungsi. Insinyur mencatat setiap keputusan dalam jejak audit yang tidak dapat diubah (immutable audit trail), dan mereka hanya memberikan izin minimal yang diperlukan kepada AI untuk bertindak (least-privilege).
Secara bersama-sama, lapisan-lapisan ini memungkinkan rover bertindak secara otonom sambil menjaga rantai komando tetap transparan dan dapat dibatalkan (reversible).
Siapa yang akan diuntungkan
Misi masa depan seperti Mars Sample Return atau eksplorasi kutub bulan membutuhkan tingkat otonomi ini. Dengan memasangkan model transformer dengan protokol keamanan yang ketat, kita dapat menjelajah lebih dalam ke tata surya kita.
Risiko tersembunyi
Otonomi mengubah bentuk risiko, dan lapisan zero-trust memitigasi hal ini dengan memaksa setiap langkah melalui verifikator.
Apa selanjutnya
Pendekatan ini muncul dalam studi penulis, yang mengusulkan metode tersebut untuk misi survei geologi planet.
Intisari: Dengan mengajarkan rover untuk memperlakukan pengambilan keputusan sebagai masalah bahasa dan membungkus kemampuan tersebut dalam model keamanan yang mengutamakan audit secara ketat, para insinyur sedang bergerak menuju robot yang dapat mengejar sains dengan caranya sendiri, bahkan ketika Bumi tidak terjangkau.