در ماه دسامبر، ناسا گام کوچک اما مهم دیگری بهسوی مریخنوردهای کاملاً خودران برداشت. در یک نمایش فنی، تیم مأموریت «پرسِوِرِنس» از هوش مصنوعی برای تولید نقاط مسیر (Waypoint) مریخنورد استفاده کرد. پرسِوِرِنس در دو روز جداگانه، بدون هیچگونه کنترل انسانی، مجموعاً ۴۵۶ متر (حدود ۱۴۹۶ فوت) را طی کرد.
به گزارش انتخاب و به نقل از sciencealert ؛ جرد آیزاکمن، مدیر ناسا، در اینباره گفت:
«این نمایش نشان میدهد توانمندیهای ما تا چه اندازه پیشرفت کرده و افقهای تازهای را برای اکتشاف جهانهای دیگر میگشاید.»
او افزود:
«فناوریهای خودران از این دست میتوانند به مأموریتها کمک کنند کارآمدتر عمل کنند، با زمینهای دشوار بهتر کنار بیایند و با افزایش فاصله از زمین، بازده علمی بیشتری ایجاد کنند. این نمونهای قدرتمند از بهکارگیری سنجیده و مسئولانه فناوریهای نو در عملیات واقعی است.»
مریخ فاصلهی بسیار زیادی با زمین دارد و ارسال و دریافت یک سیگنال رفتوبرگشتی بین زمین و مریخ حدود ۲۵ دقیقه زمان میبرد. این یعنی مریخنوردها، خواهناخواه، در بازههایی از زمان کاملاً به حال خود رها هستند.
این تأخیر زمانی، فرآیند برنامهریزی مسیر را شکل میدهد. رانندگان مریخنورد روی زمین، تصاویر و دادههای ارتفاعی را بررسی میکنند و مجموعهای از نقاط مسیر را برنامهریزی میکنند که معمولاً فاصلهی آنها از هم بیش از ۱۰۰ متر (۳۳۰ فوت) نیست.
برنامهی رانندگی به شبکهی اعماق فضا (DSN) ناسا ارسال میشود؛ این شبکه آن را به یکی از مدارگردها میفرستد و مدارگرد نیز فرمانها را به پرسِوِرِنس منتقل میکند.
در این آزمایش، هوش مصنوعی تصاویر مداری دوربین HiRISE متعلق به مدارگرد شناسایی مریخ، بههمراه مدلهای دیجیتال ارتفاعی را تحلیل کرد. این سامانهی هوش مصنوعی که بر پایهی مدل Claude شرکت Anthropic ساخته شده، خطراتی مانند تلههای شنی، میدانهای سنگی، بسترهای سنگی و برونزدهای صخرهای را شناسایی کرد و سپس مسیری امن را در قالب مجموعهای از نقاط مسیر طراحی کرد.
پس از آن، سامانهی خودران پرسِوِرِنس وارد عمل شد؛ سامانهای که نسبت به نسلهای پیشین استقلال بیشتری دارد و میتواند هنگام حرکت، تصاویر و برنامههای رانندگی را پردازش کند.
پیش از ارسال این نقاط مسیر به پرسِوِرِنس، یک مرحلهی مهم دیگر هم انجام شد. آزمایشگاه پیشرانش جت ناسا (JPL) نمونهی دوقلویی از پرسِوِرِنس دارد که «بستر آزمایش سامانهی وسیله نقلیه» (VSTB) نامیده میشود و در محوطهی شبیهسازیشدهی مریخ در JPL قرار دارد.
این مدل مهندسی به تیم اجازه میدهد روی زمین مشکلات را بررسی و حل کنند یا آزمایشهایی مانند این مورد را انجام دهند. چنین نسخههای مهندسی در مأموریتهای مریخی رایج هستند؛ JPL برای مریخنورد «کنجکاوی» (Curiosity) نیز نمونهای مشابه دارد.
وندی ورما، رباتیکدان فضایی در JPL و عضو تیم مهندسی پرسِوِرِنس، میگوید:
«مولفههای بنیادین هوش مصنوعی مولد، نوید بزرگی برای سادهسازی ستونهای اصلی ناوبری خودران در رانندگی خارج از زمین نشان میدهند: ادراک (دیدن سنگها و چینوچروکهای سطح)، مکانیابی (دانستن اینکه کجا هستیم)، و برنامهریزی و کنترل (تصمیمگیری و اجرای امنترین مسیر).»
او ادامه میدهد:
«ما بهسوی روزی حرکت میکنیم که در آن، هوش مصنوعی مولد و ابزارهای هوشمند دیگر به مریخنوردها کمک کنند مسیرهایی در مقیاس کیلومتر را طی کنند، در حالی که بار کاری اپراتورها به حداقل میرسد و ویژگیهای جالب سطح سیاره را با بررسی حجم عظیمی از تصاویر مریخنورد، برای تیم علمی علامتگذاری میکنند.»
هوش مصنوعی بهسرعت در حال نفوذ به زندگی روزمرهی ماست؛ حتی در جاهایی که همیشه کاربرد قانعکنندهای برای آن وجود ندارد.
اما این مورد، سوار شدن ناسا بر موج مُد روز هوش مصنوعی نیست. ناسا سالهاست بهدلیل ضرورت، سامانههای ناوبری خودکار را توسعه داده است. در واقع، روش اصلی رانندگی پرسِوِرِنس همان سامانهی ناوبری خودران آن است.
یکی از موانع رانندگی کاملاً خودمختار این است که هرچه مریخنورد بدون کمک انسان بیشتر حرکت میکند، عدم قطعیت دربارهی موقعیت دقیقش روی سطح افزایش مییابد.
راهحل این مشکل، «بازمکانیابی» مریخنورد روی نقشه است؛ کاری که در حال حاضر انسانها انجام میدهند. اما این فرآیند زمانبر است و به یک چرخهی کامل ارتباطی بین زمین و مریخ نیاز دارد. در نتیجه، مسافتی را که پرسِوِرِنس میتواند بدون کمک انسانی طی کند، محدود میکند.
ناسا و JPL همچنین روی روشی کار میکنند که به پرسِوِرِنس اجازه دهد با استفاده از هوش مصنوعی، خودش دوباره مکانیابی شود. مانع اصلی، تطبیق تصاویر مداری با تصاویر سطحی مریخنورد است؛ اما بهاحتمال زیاد، هوش مصنوعی برای انجام دقیق همین کار آموزش داده خواهد شد.
روشن است که هوش مصنوعی قرار است نقشی بسیار پررنگتر در اکتشافات سیارهای ایفا کند. مریخنورد بعدی ممکن است تفاوتهای اساسی با نسلهای کنونی داشته باشد و از ناوبری خودران پیشرفتهتر و قابلیتهای هوش مصنوعی بیشتری برخوردار شود. حتی ایدههایی برای رهاسازی گروهی از پهپادهای پرنده از یک مریخنورد مطرح شده که دامنهی اکتشاف روی مریخ را گسترش میدهند؛ گروههایی که بهصورت هماهنگ و خودمختار، تحت کنترل هوش مصنوعی عمل میکنند.
و این فقط به مریخ محدود نمیشود. مأموریت «دراگونفلای» ناسا به قمر «تیتان» زحل نیز بهشدت به هوش مصنوعی متکی خواهد بود؛ نهتنها برای ناوبری خودران هنگام پرواز این فضاپیمای بالگردمانند، بلکه برای ساماندهی و پالایش خودکار دادهها نیز.
مت والاس، مدیر دفتر سامانههای اکتشافی JPL، میگوید:
«تصور کنید سامانههای هوشمندی نهفقط روی زمین، بلکه در کاربردهای لبهایِ مریخنوردها، بالگردها، پهپادها و دیگر عناصر سطحی حضور داشته باشند؛ سامانههایی که با خرد جمعی مهندسان، دانشمندان و فضانوردان ناسا آموزش دیدهاند.»
او در پایان میافزاید:
«این همان فناوری دگرگونکنندهای است که برای ایجاد زیرساختها و سامانههای لازم جهت حضور دائمی انسان روی ماه و رساندن ایالات متحده به مریخ و فراتر از آن به آن نیاز داریم.»
