ചൊവ്വയിലെയും ചന്ദ്രനിലെയും റോവറുകൾക്ക് എന്ത് പഠിക്കണം എന്നും എങ്ങനെ നീങ്ങണം എന്നും സ്വയം തീരുമാനിക്കാൻ സഹായിക്കുന്ന ഒരു പുതിയ AI ആർക്കിടെക്ചർ വികസിപ്പിച്ചെടുത്തിരിക്കുന്നു. ഭൂമിയിലേക്കുള്ള 4 മുതൽ 24 മിനിറ്റ് വരെയുള്ള ആശയവിനിമയ സമയത്തിനായി (round-trip) കാത്തുനിൽക്കാതെ തന്നെ വേഗത്തിലുള്ള തീരുമാനങ്ങൾ എടുക്കാൻ ഇത് സഹായിക്കും, ഇത് നിലവിൽ വേഗത്തിലുള്ള തീരുമാനങ്ങളെ തടസ്സപ്പെടുത്തുന്ന കാലതാമസം (latency) കുറയ്ക്കുന്നു. 'decision-transformer' മോഡലുകളും 'zero-trust governance' ലെയറും ഉപയോഗിച്ച് നിർമ്മിച്ച ഈ നിർദ്ദേശം, ഭാവിയിലെ ഗ്രഹ പര്യവേക്ഷണ ദൗത്യങ്ങൾക്ക് "ശാസ്ത്രജ്ഞതലത്തിലുള്ള" സ്വയംഭരണാധികാരം (autonomy) വാഗ്ദാനം ചെയ്യുന്നു.
റോവറുകൾക്ക് എന്തുകൊണ്ട് സ്വയം ചിന്തിക്കേണ്ടതുണ്ട്
ഇന്നത്തെ റോവറുകൾ അടിസ്ഥാനപരമായി റിമോട്ട് കൺട്രോൾ കാറുകൾ പോലെയാണ്. ഭൂമിയിൽ നിന്നുള്ള ഒരു കമാൻഡ് റോബോട്ട് മറുപടിക്കായി കാത്തുനിൽക്കുമ്പോൾ ക്യൂവിൽ ഇരിക്കേണ്ടി വരുന്നു, കൂടാതെ അപ്രതീക്ഷിതമായ ഏതെങ്കിലും തടസ്സങ്ങൾ ദൗത്യത്തെ മണിക്കൂറുകളോളം തടഞ്ഞേക്കാം.
AI വിപ്ലവം: decision transformers
'Decision transformers' പ്രവർത്തനങ്ങൾ തിരഞ്ഞെടുക്കുന്നതിനെ ഒരു ലാംഗ്വേജ് മോഡലിംഗ് (language-modeling) ജോലിയാക്കി മാറ്റുന്നു. പരീക്ഷണങ്ങളിലൂടെയും തെറ്റുകളിലൂടെയും പഠിക്കുന്നതിന് പകരം, ഈ മോഡൽ മുൻകാല അവസ്ഥകളുടെ ഒരു ശ്രേണി—സ്ഥാനം, സെൻസർ റീഡിംഗുകൾ—അതിനോടൊപ്പമുള്ള റിവാർഡുകൾ—ശാസ്ത്രീയ മൂല്യം, സുരക്ഷാ സ്കോറുകൾ—തുടങ്ങിയവ പരിശോധിക്കുകയും ഏറ്റവും മികച്ച ഫലം നൽകുന്ന അടുത്ത പ്രവർത്തനം പ്രവചിക്കുകയും ചെയ്യുന്നു. ലളിതമായി പറഞ്ഞാൽ, കഥ ഇതുവരെ എങ്ങനെ മുന്നോട്ട് പോയി എന്നതിനെ അടിസ്ഥാനമാക്കി കഥയുടെ അടുത്ത മികച്ച വരി AI "എഴുതുന്നു".
ബഹിരാകാശത്തേക്ക് AI സുരക്ഷിതമാക്കുന്നു
ഇതിന്റെ രൂപകൽപ്പനയിൽ രണ്ട് സുരക്ഷാ സംവിധാനങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്:
- മനുഷ്യകേന്ദ്രീകൃത ലക്ഷ്യങ്ങൾ (Human-aligned objectives) – ദൗത്യത്തിന് നിർണ്ണായകമായ മൂന്ന് ലക്ഷ്യങ്ങൾ സന്തുലിതമായി കൊണ്ടുപോകാൻ ടീം ഈ മോഡലിനെ പരിശീലിപ്പിക്കുന്നു: ശാസ്ത്രീയ നേട്ടം പരമാവധി വർദ്ധിപ്പിക്കുക