مریخ‌نورد پرسویرنس ناسا، با هوش مصنوعی مولد، مسیر خود را در سیاره سرخ برنامه‌ریزی کرد

پیشگامی هوش مصنوعی در مسیریابی مریخ

این ماموریت تاریخی در تاریخ ۸ و ۱۰ دسامبر، تحت نظارت دقیق آزمایشگاه پیشرانش جت (JPL) ناسا در کالیفرنیای جنوبی به انجام رسید. آنچه این سفر را متمایز می‌کند، استفاده از تکنیک‌های پیشرفته هوش مصنوعی برای تعیین دقیق نقاط مسیر بود؛ فرآیندی که تا پیش از این به برنامه‌ریزان انسانی محدود می‌شد.

جرد ایزاکمن، مدیر ناسا، با اشاره به این موفقیت اظهار داشت: «این نمایش نشان‌دهنده پیشرفت چشمگیر قابلیت‌های ماست و نحوه کاوش در جهان‌های دیگر را بازتعریف می‌کند. فناوری‌های خودکار، کارایی ماموریت را بهبود می‌بخشند، به ما در پیمایش زمین‌های پیچیده کمک می‌کنند و با سفر به دوردست‌ها از زمین، بازده علمی را افزایش می‌دهند. این یک نمونه عملی از به‌کارگیری هوشمندانه فناوری‌های جدید در محیط‌های عملیاتی دنیای واقعی است.»

فناوری و چالش‌های ارتباطی

فناوری به‌کاررفته در این آزمایش بر مدل‌های هوش مصنوعی متخصص در تحلیل بینایی و زبان استوار بود. این سیستم، داده‌های تاریخی را از بایگانی ماموریت‌های سطحی JPL بررسی کرد و از همان تصاویر و اطلاعاتی بهره برد که متخصصان انسانی برای تعیین نقاط توقف ایمن و حرکت مریخ‌نورد در محیط خشن مریخ، بدون نیاز به مداخله فوری از زمین، به آن‌ها متکی هستند.

این ابتکار با همکاری مرکز عملیات مریخ‌نورد JPL و شرکت Anthropic و با استفاده از پلتفرم Cloud AI عملی شد. چالش اصلی در اکتشاف مریخ، فاصله بسیار زیاد آن از زمین است که به‌طور متوسط ۲۲۵ میلیون کیلومتر تخمین زده می‌شود. این فاصله، یک چالش ارتباطی بزرگ ایجاد می‌کند، زیرا سیگنال‌ها می‌توانند تا ۲۰ دقیقه طول بکشند و کنترل مستقیم مریخ‌نورد را غیرممکن می‌سازند. ناسا در ۲۸ سال اکتشاف مریخ، همواره به تیم‌های متخصص انسانی برای تجزیه و تحلیل زمین و برنامه‌ریزی مسیرهای دقیق مریخ‌نوردها، از جمله توقف‌هایی با فاصله کمتر از ۱۰۰ متر برای اطمینان از ایمنی، پیش از انتقال آن‌ها از طریق شبکه فضای عمیق، متکی بوده است.

رویکرد نوآورانه پرسویرنس

در جدیدترین ماموریت‌های پرسویرنس، طی روزهای مریخی ۱۷۰۷ و ۱۷۰۹، ناسا رویکردی نوآورانه اتخاذ کرد. هوش مصنوعی، تصاویر با وضوح بالای گرفته شده از مدار مریخ توسط دوربین Hi-Res روی مریخ‌نورد را به همراه مدل‌های ارتفاعی دیجیتال برای خواندن شیب‌های زمین تجزیه و تحلیل کرد. پس از شناسایی ویژگی‌های جغرافیایی مهم مانند سنگ بستر، مزارع خطرناک و تپه‌های شنی، سیستم یک مسیر پیوسته با نقاط هدایت دقیق طراحی کرد.

برای اطمینان از هماهنگی کامل بین دستورالعمل‌های هوش مصنوعی و برنامه‌ریزی مریخ‌نورد، مهندسان JPL دستورات را با یک ماکت دیجیتال از پرسویرنس آزمایش کردند. در این فرآیند، بیش از نیم میلیون متغیر قبل از انتقال نهایی بررسی شدند. در ۸ دسامبر، مریخ‌نورد با استفاده از نقاط هدایت هوش مصنوعی ۲۱۰ متر را طی کرد و سپس دو روز بعد ۲۴۶ متر دیگر را تکمیل کرد.

آینده اکتشافات فضایی با هوش مصنوعی

وانده ورما، متخصص رباتیک فضایی در آزمایشگاه پیشرانش جت، توضیح می‌دهد: «عناصر هوش مصنوعی مولد، نویدبخش پیشرفت مبانی ناوبری خودکار فراتر از زمین، از درک بصری موانع و موقعیت‌یابی دقیق گرفته تا برنامه‌ریزی و اجرای بهینه مسیر هستند. ما به سمت دورانی حرکت می‌کنیم که این سیستم‌ها می‌توانند وسایل نقلیه را قادر سازند تا به صورت خودکار مسافت‌های طولانی را طی کنند و تیم‌های علمی را از ویژگی‌های قابل توجه در هزاران تصویر روزانه مطلع سازند.»

مت والاس، مدیر دفتر سیستم‌های اکتشافی در آزمایشگاه، معتقد است که «ادغام هوش مصنوعی نه تنها در اتاق‌های کنترل زمینی، بلکه در سیستم‌های عامل خودکار وسایل نقلیه، هلیکوپترها و پهپادها، یک فناوری متحول‌کننده خواهد بود که راه را برای حضور پایدار انسان در ماه هموار می‌کند و ماموریت‌های سرنشین‌دار به مریخ و فراتر از آن را امکان‌پذیر می‌سازد.»

این پیشرفت‌ها، مسیر را برای ماموریت‌های فضایی پیچیده‌تر و مستقل‌تر هموار می‌سازند و نقش هوش مصنوعی را در آینده اکتشافات بشری بیش از پیش پررنگ می‌کنند.