ಹೊಸ AI ಆರ್ಕಿಟೆಕ್ಚರ್ ಮಂಗಳ ಮತ್ತು ಚಂದ್ರನ ರೋವರ್ಗಳು ಏನನ್ನು ಅಧ್ಯಯನ ಮಾಡಬೇಕು ಮತ್ತು ಹೇಗೆ ಚಲಿಸಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡಬಹುದು. ಇದು ಭೂಮಿಗೆ ಕಳುಹಿಸುವ 4 ರಿಂದ 24 ನಿಮಿಷಗಳ ಸಂವಹನಕ್ಕಾಗಿ ಕಾಯುವ ಅಗತ್ಯವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ, ಇದರಿಂದ ತಕ್ಷಣದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಅಡ್ಡಿಯಾಗುವ ವಿಳಂಬವನ್ನು (latency) ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. decision-transformer ಮಾದರಿಗಳು ಮತ್ತು zero-trust governance ಪದರವನ್ನು ಒಳಗೊಂಡಿರುವ ಈ ಪ್ರಸ್ತಾವನೆಯು, ಭವಿಷ್ಯದ ಗ್ರಹಗಳ ಮಿಷನ್ಗಳಿಗೆ "ವಿಜ್ಞಾನಿಯ ಮಟ್ಟದ" ಸ್ವಾಯತ್ತತೆಯನ್ನು (autonomy) ಭರವಸೆ ನೀಡುತ್ತದೆ.
ರೋವರ್ಗಳು ಸ್ವತಂತ್ರವಾಗಿ ಯೋಚಿಸುವುದು ಏಕೆ ಅಗತ್ಯ?
ಇಂದಿನ ರೋವರ್ಗಳು ಮೂಲಭೂತವಾಗಿ ರಿಮೋಟ್-ಕಂಟ್ರೋಲ್ಡ್ ಕಾರುಗಳಿದ್ದಂತೆ. ಭೂಮಿಯಿಂದ ಬರುವ ಆದೇಶಕ್ಕಾಗಿ ರೋಬೋಟ್ ಕಾಯುವಾಗ, ಆ ಆದೇಶವು ಕ್ಯೂನಲ್ಲಿ ಇರುತ್ತದೆ ಮತ್ತು ಯಾವುದೇ ಅನಿರೀಕ್ಷಿತ ಅಡೆತಡೆಗಳು ಮಿಷನ್ ಅನ್ನು ಗಂಟೆಗಟ್ಟಲೆ ಸ್ಥಗಿತಗೊಳಿಸಬಹುದು.
AI ಕ್ರಾಂತಿ: decision transformers
Decision transformers ಕ್ರಮದ ಆಯ್ಕೆಯನ್ನು (action selection) ಒಂದು language-modeling ಕಾರ್ಯವನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ. ಪ್ರಯತ್ನ ಮತ್ತು ತಪ್ಪುಗಳ (trial and error) ಮೂಲಕ ಕಲಿಯುವ ಬದಲು, ಈ ಮಾದರಿಯು ಹಿಂದಿನ ಸ್ಥಿತಿಗಳ ಅನುಕ್ರಮವನ್ನು—ಸ್ಥಾನ, ಸೆನ್ಸರ್ ರೀಡಿಂಗ್ಗಳು—ಮತ್ತು ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಪ್ರತಿಫಲಗಳನ್ನು—ವೈಜ್ಞಾನಿಕ ಮೌಲ್ಯ, ಸುರಕ್ಷತಾ ಸ್ಕೋರ್ಗಳು—ಪರಿಶೀಲಿಸುತ್ತದೆ ಮತ್ತು ಗರಿಷ್ಠ ಪ್ರತಿಫಲವನ್ನು ನೀಡುವ ಮುಂದಿನ ಕ್ರಮವನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೇಳುವುದಾದರೆ, ಕಥೆಯು ಇದುವರೆಗೆ ಹೇಗೆ ಸಾಗಿಹೋಗಿದೆಯೋ ಅದರ ಆಧಾರದ ಮೇಲೆ AI ಕಥೆಯ ಅತ್ಯುತ್ತಮ ಮುಂದಿನ ಸಾಲನ್ನು "ಬರೆಯುತ್ತದೆ".
ಬಾಹ್ಯಾಕಾಶಕ್ಕೆ AI ಅನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸುವುದು
ವಿನ್ಯಾಸದಲ್ಲಿ ಎರಡು ಸುರಕ್ಷತಾ ಕ್ರಮಗಳನ್ನು ಅಳವಡಿಸಲಾಗಿದೆ:
Human-aligned objectives – ತಂಡವು ಮೂರು ಮಿಷನ್-ನಿರ್ಣಾಯಕ ಗುರಿಗಳ ನಡುವೆ ಸಮತೋಲನವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಮಾದರಿಯನ್ನು ತರಬೇತಿಗೊಳಿಸುತ್ತದೆ: ವೈಜ್ಞಾನಿಕ ಲಾಭವನ್ನು ಹೆಚ್ಚಿಸುವುದು (ಉದಾಹರಣೆಗೆ, ಅತ್ಯಂತ ಆಸಕ್ತಿದಾಯಕ ಶಿಲೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು), ಅಪಾಯಗಳನ್ನು ತಪ್ಪಿಸುವುದು (ಬಂಡುಗಳು, ವಿದ್ಯುತ್ ನಷ್ಟ), ಮತ್ತು ಮಿಷನ್ ಮಿತಿಗಳನ್ನು ಗೌರವಿಸುವುದು (ಸಮಯ, ಡೇಟಾ ಬ್ಯಾಂಡ್ವಿಡ್ತ್). AI ತನ್ನ ಕಾರ್ಯಕ್ಷೇತ್ರದಿಂದ ಹೊರಬರುವುದಿಲ್ಲ; ಪ್ರತಿಯೊಂದು ಆಯ್ಕೆಯು ಮಾನವರು ನಿರ್ಧರಿಸಿದ ಆದ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ ಮಾಡಲ್ಪಡುತ್ತದೆ.
Zero-trust governance – ಸೈಬರ್ ಸುರಕ್ಷತೆಯಿಂದ ಎರವಲು ಪಡೆದ ಈ ಚೌಕಟ್ಟು, ರೋವರ್ನ ಮೆದುಳು ಹಾನಿಗೊಳಗಾಗಬಹುದು ಅಥವಾ ಕೇವಲ ಕಾರ್ಯವೈಖರಿ ತಪ್ಪಾಗಬಹುದು ಎಂದು ಭಾವಿಸುತ್ತದೆ. ಎಂಜಿನಿಯರ್ಗಳು ಪ್ರತಿಯೊಂದು ನಿರ್ಧಾರವನ್ನು ಬದಲಾಯಿಸಲಾಗದ ಆಡಿಟ್ ಟ್ರೈಲ್ನಲ್ಲಿ (audit trail) ದಾಖಲಿಸುತ್ತಾರೆ ಮತ್ತು ಅವರು AI ಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅಗತ್ಯವಿರುವ ಕನಿಷ್ಠ ಅನುಮತಿಗಳನ್ನು (least-privilege) ಮಾತ್ರ ನೀಡುತ್ತಾರೆ.
ಒಟ್ಟಾರೆಯಾಗಿ, ಈ ಪದರಗಳು ಕಮಾಂಡ್ ಚೈನ್ ಅನ್ನು ಪಾರದರ್ಶಕವಾಗಿ ಮತ್ತು ಬದಲಾಯಿಸಬಹುದಾದ ರೀತಿಯಲ್ಲಿ ಇರಿಸುವ ಮೂಲಕ ರೋವರ್ ಸ್ವತಂತ್ರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತವೆ.
ಯಾರಿಗೆ ಲಾಭವಾಗಲಿದೆ?
ಮಾರ್ಸ್ ಸ್ಯಾಂಪಲ್ ರಿಟರ್ನ್ ಅಥವಾ ಚಂದ್ರನ ಧ್ರುವ ಪ್ರದೇಶದ ಅನ್ವೇಷಣೆಯಂತಹ ಭವಿಷ್ಯದ ಮಿಷನ್ಗಳಿಗೆ ಈ ಮಟ್ಟದ ಸ್ವಾಯತ್ತತೆಯ ಅಗತ್ಯವಿದೆ. ಟ್ರಾನ್ಸ್ಫಾರ್ಮರ್ ಮಾದರಿಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾದ ಭದ್ರತಾ ಪ್ರೋಟೋಕಾಲ್ಗಳೊಂದಿಗೆ ಜೋಡಿಸುವ ಮೂಲಕ, ನಾವು ನಮ್ಮ ಸೌರಮಂಡಲದ ಆಳವನ್ನು ಅನ್ವೇಷಿಸಬಹುದು.
ಅಡಗಿರುವ ಅಪಾಯಗಳು
ಸ್ವಾಯತ್ತತೆಯು ಅಪಾಯದ ಸ್ವರೂಪವನ್ನೇ ಬದಲಿಸುತ್ತದೆ, ಮತ್ತು zero-trust ಪದರವು ಪ್ರತಿಯೊಂದು ಚಲನೆಯನ್ನು ಪರಿಶೀಲಕದ (verifier) ಮೂಲಕ ಕಡ್ಡಾಯಗೊಳಿಸುವ ಮೂಲಕ ಇದನ್ನು ತಗ್ಗಿಸುತ್ತದೆ.
ಮುಂದೆ ಏನು?
ಈ ವಿಧಾನವು ಲೇಖಕರ ಅಧ್ಯಯನದಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ, ಇದು ಗ್ರಹಗಳ ಭೂವಿಜ್ಞಾನ ಸಮೀಕ್ಷಾ ಮಿಷನ್ಗಳಿಗಾಗಿ ಈ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ.
ಸಾರಾಂಶ: ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದನ್ನು ಒಂದು ಭಾಷಾ ಸಮಸ್ಯೆಯಾಗಿ ಪರಿಗಣಿಸಲು ರೋವರ್ಗಳಿಗೆ ಕಲಿಸುವ ಮೂಲಕ ಮತ್ತು ಆ ಸಾಮರ್ಥ್ಯವನ್ನು ಕಟ್ಟುನಿಟ್ಟಾದ ಆಡಿಟ್-ಫಸ್ಟ್ ಭದ್ರತಾ ಮಾದರಿಯಲ್ಲಿ ಅಳವಡಿಸುವ ಮೂಲಕ, ಎಂಜಿನಿಯರ್ಗಳು ಭೂಮಿಯು ತಲುಪಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೂ ಸಹ ಸ್ವತಂತ್ರವಾಗಿ ವಿಜ್ಞಾನವನ್ನು ಬೆಂಬಲಿಸಬಲ್ಲ ರೋಬೋಟ್ಗಳತ್ತ ಹೆಜ್ಜೆ ಹಾಕುತ್ತಿದ್ದಾರೆ.