புதிய AI கட்டமைப்பு, செவ்வாய் மற்றும் நிலவு ரோவர்கள் எதை ஆய்வு செய்ய வேண்டும் மற்றும் எப்படி நகர வேண்டும் என்பதை, பூமியிலிருந்து 4 முதல் 24 நிமிடங்கள் வரை காத்திருக்க வேண்டிய அவசியமின்றி தாங்களாகவே தீர்மானிக்க உதவும். இது விரைவான முடிவுகளைத் தடுக்கும் தாமதத்தைக் குறைக்கும். decision-transformer மாதிரிகள் மற்றும் zero-trust நிர்வாக அடுக்கு ஆகியவற்றைக் கொண்டு உருவாக்கப்பட்ட இந்த முன்மொழிவு, எதிர்கால கோள் பயணங்களுக்கு "விஞ்ஞானி அளவிலான" தன்னாட்சியை வழங்கும் என்று உறுதியளிக்கிறது.

ரோவர்கள் ஏன் தாங்களாகவே சிந்திக்க வேண்டும்

இன்றைய ரோவர்கள் அடிப்படையில் தொலைதூரக் கட்டுப்பாட்டு கார்களைப் போன்றவை. பூமியிலிருந்து ஒரு கட்டளை வரும் வரை ரோபோ காத்திருக்க வேண்டும், அதே நேரத்தில் அந்த கட்டளை வரிசையில் இருக்கும். எதிர்பாராத எந்தவொரு தடையாலும் ஒரு பணியை பல மணிநேரங்களுக்கு நிறுத்த முடியும்.

AI முன்னேற்றம்: decision transformers

Decision transformers என்பவை செயல்பாட்டைத் தேர்ந்தெடுக்கும் பணியை ஒரு மொழி மாதிரிப் பணியாக (language-modeling task) மாற்றுகின்றன. முயற்சி மற்றும் தவறு (trial and error) மூலம் கற்றுக்கொள்வதற்குப் பதிலாக, இந்த மாதிரி கடந்த கால நிலைகளின் வரிசையை—அதாவது நிலை (position), சென்சார் அளவீடுகள் (sensor readings)—மற்றும் அதனுடன் தொடர்புடைய வெகுமதிகளை—அறிவியல் மதிப்பு, பாதுகாப்பு மதிப்பெண்கள்—ஆய்வு செய்து, அதிகபட்ச வெகுமதியைத் தரும் அடுத்த செயலையும் முன்னறிவிக்கிறது. சொல்லப்போனால், ஒரு கதை இதுவரை எப்படி நகர்ந்துள்ளது என்பதைப் பொறுத்து, அந்த கதையின் சிறந்த அடுத்த வரியை AI "எழுதுகிறது".

விண்வெளிப் பயன்பாட்டிற்கு AI-ஐப் பாதுகாப்பானதாக்குதல்

வடிவமைப்பில் இரண்டு பாதுகாப்பு வழிமுறைகள் சேர்க்கப்பட்டுள்ளன:

  • மனிதத் தேவைகளுடன் ஒத்துப்போகும் குறிக்கோள்கள் (Human-aligned objectives) – அறிவியல் ரீதியான பலனை அதிகப்படுத்துதல் (உதாரணமாக, மிகவும் சுவாரஸ்யமான பாறையைத் தேர்ந்தெடுப்பது), ஆபத்துகளைத் தவிர்த்தல் (செங்குத்தான சரிவுகள், மின் இழப்பு) மற்றும் பணி கட்டுப்பாடுகளைப் பின்பற்றுதல் (நேரம், தரவு அலைக்கற்றை) ஆகிய மூன்று முக்கியமான இலக்குகளையும் சமநிலைப்படுத்துமாறு இந்த மாதிரிக்கு பயிற்சியளிக்கப்படுகிறது. AI திட்டத்தைத் தாண்டிச் செல்லாது; ஒவ்வொரு தேர்வும் மனிதர்களால் வரையறுக்கப்பட்ட இந்த முன்னுரிமைகளின் அடிப்படையில் எடை போடப்படுகிறது.

  • Zero-trust நிர்வாகம் (Zero-trust governance) – சைபர் பாதுகாப்பிலிருந்து பெறப்பட்ட இந்த கட்டமைப்பானது, ரோவரின் மூளை பாதிக்கப்படலாம் அல்லது செயல்பாட்டில் தவறு ஏற்படலாம் என்று கருதுகிறது. பொறியாளர்கள் ஒவ்வொரு முடிவையும் மாற்ற முடியாத தணிக்கைப் பதிவில் (immutable audit trail) பதிவு செய்கிறார்கள், மேலும் செயல்படத் தேவையான குறைந்தபட்ச அனுமதிகளை (least-privilege) மட்டுமே AI-க்கு வழங்குகிறார்கள்.

இந்த அடுக்குகள் இணைந்து, கட்டளைச் சங்கிலியை வெளிப்படையாகவும் மாற்றத்தக்கதாகவும் வைத்திருக்கும் அதே வேளையில், ரோவர் தன்னாட்சியுடன் செயல்பட அனுமதிக்கின்றன.

இதனால் பயனடைபவர்கள் யார்

Mars Sample Return அல்லது நிலவின் துருவப் பகுதிகளை ஆராய்தல் போன்ற எதிர்காலப் பயணங்களுக்கு இத்தகைய தன்னாட்சித் திறன் தேவைப்படுகிறது. transformer மாதிரிகளைத் கடுமையான பாதுகாப்பு நெறிமுறைகளுடன் இணைப்பதன் மூலம், நமது சூரிய மண்டலத்தை இன்னும் ஆழமாக ஆராய முடியும்.

மறைந்திருக்கும் அபாயங்கள்

தன்னாட்சித் திறன் என்பது அபாயத்தின் தன்மையையே மாற்றியமைக்கிறது, மேலும் ஒவ்வொரு நகர்வையும் ஒரு சரிபார்ப்பி (verifier) மூலம் உறுதிப்படுத்துவதன் மூலம் zero-trust அடுக்கு இந்த அபாயத்தைத் தணிக்கிறது.

அடுத்து என்ன?

இந்த அணுகுமுறை ஆய்வறிக்கையில் இடம்பெற்றுள்ளது, இது கோள் புவியியல் ஆய்வுப் பணிகளுக்கான முறையை முன்மொழிகிறது.

முக்கியக் கருத்து: முடிவெடுத்தலை ஒரு மொழிப் பிரச்சனையாகக் கருத ரோவர்களுக்குக் கற்பிப்பதன் மூலமும், அந்தத் திறனை ஒரு கடுமையான தணிக்கை சார்ந்த பாதுகாப்பு மாதிரியில் இணைப்பதன் மூலமும், பொறியாளர்கள் ரோபோக்களை ஒரு புதிய நிலைக்குக் கொண்டு செல்கிறார்கள். இதன் மூலம், பூமி தொடர்பில் இல்லாத போதும், அவற்றின் சொந்த நிபந்தனைகளின்படி அறிவியலைத் தொடரக்கூடிய ரோபோக்களை உருவாக்க முடியும்.