आर्टिफिशियल इंटेलिजेंस हमें सौर मंडल का पता लगाने में कैसे मदद कर रहा है
How artificial intelligence is helping us explore the solar system
चलो ईमानदार रहें - रोबोटों के लिए हम मनुष्यों की तुलना में अंतरिक्ष का पता लगाना बहुत आसान है। रोबोटों को ताजी हवा और पानी की जरूरत नहीं है, या खुद को जिंदा रखने के लिए भोजन के एक गुच्छा की जरूरत नहीं है। हालाँकि, उन्हें मनुष्यों को उन्हें चलाने और निर्णय लेने की आवश्यकता होती है। मशीन लर्निंग तकनीक में प्रगति इसे बदल सकती है, जिससे कंप्यूटर ग्रहीय विज्ञान में अधिक सक्रिय सहयोगी बन सकते हैं।
पिछले हफ्ते 2022 अमेरिकन जियोफिजिकल यूनियन (एजीयू) फॉल मीटिंग में, ग्रहों के वैज्ञानिकों और खगोलविदों ने चर्चा की कि कैसे नई मशीन-लर्निंग तकनीकें हमारे सौर मंडल के बारे में सीखने के तरीके को बदल रही हैं, बृहस्पति के बर्फीले चंद्रमा यूरोपा पर भविष्य के मिशन लैंडिंग की योजना बनाने से लेकर ज्वालामुखियों की पहचान करने तक छोटे बुध पर।
मशीन लर्निंग डेटा में पैटर्न की पहचान करने के लिए कंप्यूटर को प्रशिक्षित करने का एक तरीका है, फिर निर्णय लेने, भविष्यवाणी करने या वर्गीकरण करने के लिए उन पैटर्न का उपयोग करता है। कंप्यूटर के लिए एक और प्रमुख लाभ - जीवन-समर्थन की आवश्यकता नहीं होने के अलावा - उनकी गति है। खगोल विज्ञान में कई कार्यों के लिए, सभी आवश्यक डेटा को छानने में मनुष्यों को महीनों, वर्षों या यहां तक कि दशकों के प्रयास लग सकते हैं।
एक उदाहरण अन्य ग्रहों के चित्रों में शिलाखंडों की पहचान कर रहा है। कुछ चट्टानों के लिए, यह कहना उतना ही आसान है जितना "अरे, एक बोल्डर है!" लेकिन उस हज़ार बार करने की कल्पना करें। यह कार्य काफी उबाऊ हो जाएगा, और वैज्ञानिकों के बहुमूल्य कार्य समय को खा जाएगा।
कैलिफोर्निया में स्टैनफोर्ड यूनिवर्सिटी के एक ग्रह वैज्ञानिक निल्स प्रियर ने एजीयू में अपनी बातचीत के दौरान कहा, "आप 10,000, सैकड़ों हजारों पत्थर पा सकते हैं, और यह बहुत समय लेने वाला है।" प्रीर का नया मशीन-लर्निंग एल्गोरिद्म केवल 30 मिनट में पूरे चंद्रमा में बोल्डर का पता लगा सकता है। यह जानना महत्वपूर्ण है कि चट्टान के ये बड़े हिस्से यह सुनिश्चित करने के लिए हैं कि नए मिशन अपने गंतव्यों पर सुरक्षित रूप से उतर सकें। बोल्डर भूविज्ञान के लिए भी उपयोगी होते हैं, जो इस बात का सुराग प्रदान करते हैं कि क्रेटर बनाने के लिए उनके आसपास की चट्टानों को कैसे प्रभावित करता है।
कंप्यूटर कई अन्य ग्रहों की घटनाओं की भी पहचान कर सकते हैं: बुध पर विस्फोटक ज्वालामुखी, बृहस्पति के घने वातावरण में भंवर, और चंद्रमा पर क्रेटर, कुछ नाम।
सम्मेलन के दौरान, मैरीलैंड में नासा के गोडार्ड स्पेस फ्लाइट सेंटर के ग्रह वैज्ञानिक एथन डंकन ने प्रदर्शित किया कि कैसे मशीन लर्निंग चट्टान के टुकड़ों की नहीं, बल्कि बृहस्पति के बर्फीले चंद्रमा यूरोपा पर बर्फ के टुकड़ों की पहचान कर सकता है। तथाकथित अराजकता वाला इलाका यूरोपा की सतह का एक गन्दा दिखने वाला मैदान है, जिसमें गहरे रंग की पृष्ठभूमि के बारे में चमकीले बर्फ के टुकड़े बिखरे हुए हैं। अपने भूमिगत महासागर के साथ, यूरोपा विदेशी जीवन में रुचि रखने वाले खगोलविदों के लिए एक प्रमुख लक्ष्य है, और इन बर्फ के टुकड़ों की मैपिंग भविष्य के मिशनों की योजना बनाने के लिए महत्वपूर्ण होगी।
आगामी मिशन टीम के हिस्से के रूप में आर्टिफिशियल इंटेलिजेंस को भी शामिल कर सकते हैं, इस तकनीक का उपयोग करके जांच को सशक्त बनाने के लिए खतरों के लिए वास्तविक समय की प्रतिक्रियाएं और यहां तक कि स्वायत्त रूप से जमीन भी ले सकते हैं। लैंडिंग अंतरिक्ष यान के लिए एक कुख्यात चुनौती है और हमेशा एक मिशन के सबसे खतरनाक समयों में से एक है।
नासा गोडार्ड के एक ग्रह वैज्ञानिक बेथानी थिइलिंग ने अपनी बातचीत के दौरान कहा, "मंगल ग्रह पर 'सात मिनट का आतंक' [उतरने और उतरने के दौरान], जिसके बारे में हम बहुत बात करते हैं।" "जब आप सौर मंडल में आगे बढ़ते हैं तो यह और अधिक जटिल हो जाता है। हमारे पास संचार में कई घंटे की देरी होती है।"
शनि के मीथेन से भरे चंद्रमा टाइटन पर उतरने वाले यान के संदेश को पृथ्वी पर वापस आने में डेढ़ घंटे से थोड़ा कम समय लगेगा। जब तक मनुष्य की प्रतिक्रिया अपने गंतव्य पर पहुंचे, तब तक संचार लूप लगभग तीन घंटे लंबा हो जाएगा। लैंडिंग जैसी स्थिति में जहां वास्तविक समय की प्रतिक्रियाओं की आवश्यकता होती है, पृथ्वी के साथ इस तरह का आगे-पीछे करना बस इसे नहीं काटेगा। मशीन लर्निंग और एआई इस समस्या को हल करने में मदद कर सकते हैं, थेलिंग के अनुसार, अपने परिवेश की टिप्पणियों के आधार पर निर्णय लेने की क्षमता के साथ एक जांच प्रदान करके।
"वैज्ञानिकों और इंजीनियरों, हम आपसे छुटकारा पाने की कोशिश नहीं कर रहे हैं," थिलिंग ने कहा। "हम जो करने की कोशिश कर रहे हैं वह यह है कि आप उस डेटा के साथ जो समय बिताएंगे वह सबसे उपयोगी समय होगा जिसे हम प्रबंधित कर सकते हैं।" मशीन लर्निंग इंसानों की जगह नहीं लेगी, लेकिन उम्मीद है कि यह वैज्ञानिक खोज के लिए हमारे टूलकिट में एक शक्तिशाली जोड़ हो सकता है।
Also Read -
Should space-based solar power be part of our clean-energy future?, वैज्ञानिक आग के गोले को सौर मंडल के किनारे से अजीब चट्टानी उल्कापिंड का पता लगाते हैं, James Webb Space Telescope | जेम्स वेब स्पेस टेलीस्कोप के 8 तरीके खगोल विज्ञान में क्रांति ला रहे हैं, Alibag || Top 3 Beaches in Alibag - हिंदी
एक टिप्पणी भेजें