అంగారక మరియు చంద్రుని రోవర్లు, భూమి నుండి సమాధానం కోసం 4 నుండి 24 నిమిషాల సమయం వేచి ఉండకుండానే, తాము దేనిని అధ్యయనం చేయాలి మరియు ఎలా కదలాలి అనే విషయాలను స్వయంగా నిర్ణయించుకునేలా చేసే ఒక కొత్త AI ఆర్కిటెక్చర్ అందుబాటులోకి వచ్చింది. ఇది వేగవంతమైన నిర్ణయాలను అడ్డుకునే లేటెన్సీని తగ్గిస్తుంది. decision-transformer మోడల్స్ మరియు zero-trust governance లేయర్‌పై ఆధారపడి రూపొందించబడిన ఈ ప్రతిపాదన, భవిష్యత్ గ్రహాంతర మిషన్ల కోసం "శాస్త్రవేత్త స్థాయి" స్వయంప్రతిపత్తిని (autonomy) అందిస్తుంది.

రోవర్లు ఎందుకు స్వయంగా ఆలోచించాల్సి ఉంటుంది

ప్రస్తుత రోవర్లు ప్రాథమికంగా రిమోట్-కంట్రోల్డ్ కార్ల వంటివి. భూమి నుండి వచ్చే ఆదేశం కోసం రోబోట్ వేచి ఉన్నప్పుడు, ఆ కమాండ్ క్యూలో ఉంటుంది, మరియు ఏదైనా ఊహించని అడ్డంకి ఎదురైతే మిషన్ గంటల తరబడి నిలిచిపోవచ్చు.

AI విప్లవం: decision transformers

decision transformers చర్యల ఎంపికను (action selection) ఒక లాంగ్వేజ్-మోడలింగ్ టాస్క్‌గా మారుస్తాయి. ట్రయల్ అండ్ ఎర్రర్ పద్ధతిలో నేర్చుకోవడానికి బదులుగా, ఈ మోడల్ గత స్థితి యొక్క క్రమాన్ని—స్థానం, సెన్సార్ రీడింగ్స్—మరియు వాటికి సంబంధించిన రివార్డులను—శాస్త్రీయ విలువ, సేఫ్టీ స్కోర్లు—పరిశీలించి, గరిష్ట రివార్డును ఇచ్చే తదుపరి చర్యను అంచనా వేస్తుంది. వాస్తవానికి, కథ ఇప్పటివరకు ఎలా సాగిందో దాని ఆధారంగా AI కథలోని తదుపరి ఉత్తమ లైన్‌ను "రాస్తుంది".

అంతరిక్ష ప్రయాణానికి AIని సురక్షితంగా మార్చడం

ఈ డిజైన్‌లో రెండు రక్షణ చర్యలు ఉన్నాయి:

  • Human-aligned objectives – మిషన్ యొక్క మూడు కీలక లక్ష్యాల మధ్య సమతుల్యతను పాటించేలా ఈ మోడల్‌ను బృందం శిక్షణ ఇస్తుంది: శాస్త్రీయ ఫలితాలను గరిష్టం చేయడం (ఉదాహరణకు, అత్యంత ఆసక్తికరమైన శిలను ఎంచుకోవడం), ప్రమాదాలను నివారించడం (తీవ్రమైన వాలులు, విద్యుత్ నష్టం), మరియు మిషన్ పరిమితులను (సమయం, డేటా బ్యాండ్‌విడ్త్) గౌరవించడం. AI దారి తప్పదు; ప్రతి ఎంపిక ఈ మానవ-నిర్ధారిత ప్రాధాన్యతలకు అనుగుణంగా ఉంటుంది.

  • Zero-trust governance – సైబర్ సెక్యూరిటీ నుండి తీసుకున్న ఈ ఫ్రేమ్‌వర్క్, రోవర్ యొక్క మెదడు హ్యాక్ చేయబడవచ్చు లేదా కేవలం సాంకేతిక లోపం వల్ల తప్పుగా పనిచేయవచ్చు అని భావిస్తుంది. ఇంజనీర్లు ప్రతి నిర్ణయాన్ని మార్చలేని ఆడిట్ ట్రైల్‌లో నమోదు చేస్తారు మరియు AIకి కేవలం అవసరమైన కనీస అనుమతులను (least-privilege) మాత్రమే ఇస్తారు.

ఈ పొరలు కలిసి, కమాండ్ చైన్‌ను పారదర్శకంగా మరియు వెనక్కి మళ్లించదగినదిగా (reversible) ఉంచుతూనే, రోవర్ స్వతంత్రంగా పనిచేయడానికి అనుమతిస్తాయి.

దీని వల్ల ఎవరికి ప్రయోజనం?

Mars Sample Return లేదా చంద్రుని ధ్రువ ప్రాంత అన్వేషణ వంటి భవిష్యత్ మిషన్లకు ఈ స్థాయి స్వయంప్రతిపత్తి అవసరం. transformer మోడల్స్‌ను కఠినమైన సెక్యూరిటీ ప్రోటోకాల్స్‌తో జత చేయడం ద్వారా, మనం మన సౌర వ్యవస్థలోకి మరింత లోతుగా పరిశోధించవచ్చు.

దాగి ఉన్న ప్రమాదాలు

స్వయంప్రతిపత్తి అనేది ప్రమాదాల స్వభావాన్ని మారుస్తుంది, మరియు zero-trust లేయర్ ప్రతి కదలికను ఒక వెరిఫైయర్ ద్వారా మాత్రమే జరిగేలా చేయడం ద్వారా ఈ ప్రమాదాన్ని తగ్గిస్తుంది.

తదుపరి ఏమిటి

ఈ విధానం రచయిత యొక్క అధ్యయనంలో కనిపిస్తుంది, ఇది గ్రహాల భూగర్భ శాస్త్ర సర్వే మిషన్ల కోసం ఈ పద్ధతిని ప్రతిపాదిస్తుంది.

Takeaway: నిర్ణయం తీసుకోవడాన్ని ఒక భాషా సమస్యగా పరిగణించేలా రోవర్లకు నేర్పించడం మరియు ఆ సామర్థ్యాన్ని కఠినమైన ఆడిట్-ఫస్ట్ సెక్యూరిటీ మోడల్‌తో బంధించడం ద్వారా, ఇంజనీర్లు భూమి అందుబాటులో లేనప్పుడు కూడా తమ స్వంత నిబంధనల ప్రకారం సైన్స్‌ను కొనసాగించగల రోబోట్ల వైపు అడుగులు వేస్తున్నారు.