یک کاوشگر ناسا با استفاده از مدل هوش مصنوعی مسیری را روی مریخ طی کرد.
به گزارش خبرگزاری خبرگزاری سیناپرس به نقل از انگجت، کاوشگر استقامت ناسا از سال ۲۰۲۱ میلادی به دستاوردهای علمی تاریخی مهمی دست یافته و به عنوان مثال توانسته نخستین کلیپ صوتی از مریخ را به زمین بفرستد. اکنون که پنج سال از فرود آن روی سیاره سرخ گذشته به دستاوردی دیگر رسیده است.
کاوشگر استقامت در دسامبر گذشته به طور موفقیت آمیز مسیری را به بخشی از دهانه جزرو تکمیل کرد. فرایند مذکور توسط چت بات کلاود متعلق به شرکت آنتروپیک برنامه ریزی شده بود. این نخستین باری بود که ناسا از یک مدل زبانی بزرگ برای ناوبر روباتی به اندازه خودرو استفاده می کرد.
استقامت بین هشت تا ۱۰ دسامبر ۲۰۲۵ میلادی حدود ۴۰۰ متر را روی سطحی پوشیده از سنگ در مریخ طی کرد که توسط کلاود نقشه آن کشیده شده بود. استفاده از یک مدل هوش مصنوعی برای برنامه ریزی مسیر حرکت استقامت به سادگی وارد کردن یک دستور نبوده است.
ناسا توضیح داده ترسیم مسیر استقامت حتی برای انسان ها نیز کار مشکلی است. این سازمان فضایی در این باره می گوید: هر حرکت کاوشگر باید با دقت برنامهریزی شود تا مبادا دستگاه بلغزد، واژگون شود، چرخهایش بچرخد یا به گل بنشیند. بنابراین از زمان فرود مریخنورد، اپراتورهای انسانی آن با دقت فراوان نقاط مسیر را برای دنبال کردن آن، با استفاده از ترکیبی از تصاویر گرفته شده از فضا و دوربینهای داخلی مریخنورد، مشخص کردهاند.
برای آنکه کلاود این ماموریت را تکمیل کند، ناسا می بایست نخست انبوهی از داده های متنی کاوشگر را در «کلاود کد»، عامل برنامه ریزی آنتروپیک وارد می کرد تا مدل هوش مصنوعی بتواند مسیر حرکت استقامت را بنویسد. در مرحله بعد کلاود فرایند نقشه کشی را به دقت انجام داد.
به نقل از مهر، مهندسان آزمایشگاه JPL ناسا تمام فعالیت های مدل را قبل از ارسال به کاوشگر دوباره کنترل می کردند. تیم پژوهشگران نقاط مسیری که کلاود تهیه کرده بود از طریق یک شبیه سازی اجرا کردند تا صحت دستورهای ارسالی به کاوشگر تایید شود. در پایان ناسا اعلام کرد فقط تغییراتی کوچک در مسیر کلاود انجام داد.
ناسا در بیانیه ای اعلام کرد: مهندسان تخمین می زنند استفاده از کلاود به این شیوه، مدت زمان برنامه ریزی مسیر را نصف می کند و سبب می شود سفر پیوسته و هماهنگ باشد. به این ترتیب مدت زمان کمتری برای برنامه ریزی دستی خسته کننده و حتی مدت زمان کمتری صرف آموزش می شود و به این ترتیب اپراتورهای کاوشگر می توانند حرکت های بیشتری رابرنامه ریزی کنندو داده های بیشتری جمع آوری و تحلیل کنند. به طور خلاصه این امر به دستیابی به دانش بیشتر درباره مریخ منجر می شود.
