Planetary scientists are finding creative ways to use machine learning.

कृत्रिम बुद्धिमत्ता आम्हाला सौर यंत्रणेचा शोध घेण्यास कशी मदत करत आहे

चला प्रामाणिक राहा - आपल्या माणसांपेक्षा यंत्रमानवांसाठी जागा शोधणे खूप सोपे आहे. यंत्रमानवांना स्वत:ला जिवंत ठेवण्यासाठी ताजी हवा आणि पाणी किंवा अन्नाच्या गुच्छाची गरज नसते. तथापि, त्यांना चालविण्याची आणि निर्णय घेण्याची आवश्यकता आहे. मशीन लर्निंग तंत्रातील प्रगती हे बदलू शकते, ज्यामुळे संगणकांना ग्रहविज्ञानामध्ये अधिक सक्रिय सहयोगी बनू शकतात.

गेल्या आठवड्यात 2022 अमेरिकन जिओफिजिकल युनियन (AGU) फॉल मीटिंगमध्ये, ग्रहांचे शास्त्रज्ञ आणि खगोलशास्त्रज्ञांनी चर्चा केली की नवीन मशीन-लर्निंग तंत्र आपल्याला आपल्या सौरमालेबद्दल शिकण्याची पद्धत कशी बदलत आहे, गुरूच्या बर्फाळ चंद्र युरोपावरील भविष्यातील निरीक्षणांपासून. मिशन लँडिंगचे नियोजन करण्यापासून लहान बुधावरील ज्वालामुखी ओळखणे.

मशीन लर्निंग ही संगणकाला डेटामधील नमुने ओळखण्यासाठी प्रशिक्षण देण्याची एक पद्धत आहे, त्यानंतर निर्णय घेण्यासाठी, अंदाज लावण्यासाठी किंवा वर्गीकरण करण्यासाठी त्या नमुन्यांचा वापर करा. कॉम्प्युटरचा आणखी एक मोठा फायदा – लाइफ सपोर्टची आवश्यकता नसल्याशिवाय – त्यांचा वेग आहे. खगोलशास्त्रातील बर्‍याच कार्यांसाठी, सर्व आवश्यक डेटा शोधण्यासाठी अनेक महिने, वर्षे किंवा अगदी दशके मानवी प्रयत्न लागू शकतात.

एक उदाहरण म्हणजे इतर ग्रहांच्या चित्रांमधील दगड ओळखणे. काही खडकांसाठी, हे म्हणण्याइतके सोपे आहे "अरे, तेथे एक दगड आहे!" पण ते हजार वेळा करण्याची कल्पना करा. हे कार्य खूप कंटाळवाणे होईल आणि शास्त्रज्ञांचा मौल्यवान कामाचा वेळ खाईल.

"तुम्हाला 10,000, शेकडो हजारो दगड सापडतील आणि ते खूप वेळ घेणारे आहे," असे कॅलिफोर्नियातील स्टॅनफोर्ड विद्यापीठातील ग्रहशास्त्रज्ञ निल्स प्रायर यांनी AGU येथे त्यांच्या भाषणादरम्यान सांगितले. पूर्वीचे नवीन मशीन-लर्निंग अल्गोरिदम केवळ 30 मिनिटांत संपूर्ण चंद्रावर दगड शोधू शकते. हे जाणून घेणे महत्त्वाचे आहे की नवीन मोहिमा त्यांच्या गंतव्यस्थानावर सुरक्षितपणे उतरू शकतील याची खात्री करण्यासाठी खडकाचे हे मोठे तुकडे आहेत. खडक हे भूगर्भशास्त्रासाठी देखील उपयुक्त आहेत, ज्यामुळे त्यांच्या सभोवतालच्या खडकांवर विवरांवर कसा परिणाम होतो याचे संकेत मिळतात.

संगणक इतर अनेक ग्रहांच्या घटना देखील ओळखू शकतात: बुध ग्रहावरील स्फोटक ज्वालामुखी, गुरूच्या घनदाट वातावरणातील भोवरे आणि चंद्रावरील खड्डे, काही नावे.

परिषदेदरम्यान, मेरीलँडमधील नासाच्या गोडार्ड स्पेस फ्लाइट सेंटरचे ग्रहशास्त्रज्ञ एथन डंकन यांनी दाखवले की मशीन लर्निंग गुरूच्या बर्फाळ चंद्र युरोपावरील बर्फाचे तुकडे कसे ओळखू शकते, केवळ खडकाचे तुकडे नाही. तथाकथित अनागोंदी प्रदेश हा युरोपाच्या पृष्ठभागावर एक चिखलाचा दिसणारा मैदान आहे, ज्यात गडद पार्श्वभूमीवर चमकदार बर्फाचे तुकडे पसरलेले आहेत. त्याच्या भूगर्भातील महासागरामुळे, परकीय जीवनात स्वारस्य असलेल्या खगोलशास्त्रज्ञांसाठी युरोप हे एक प्रमुख लक्ष्य आहे आणि या बर्फाच्या कोरांचे मॅपिंग भविष्यातील मोहिमांचे नियोजन करण्यासाठी महत्त्वाचे असेल.

आगामी मोहिमांमध्ये टीमचा भाग म्हणून कृत्रिम बुद्धिमत्ता, धमक्यांना रिअल-टाइम प्रतिसाद आणि तपासांना सक्षम करण्यासाठी या तंत्रज्ञानाचा वापर करून स्वायत्तपणे जमिनीवर उतरणे देखील समाविष्ट असू शकते. लँडिंग हे अंतराळयानासाठी एक कुप्रसिद्ध आव्हान आहे आणि मिशनच्या सर्वात धोकादायक काळांपैकी एक आहे.

"मंगळावर टेकऑफ आणि लँडिंग दरम्यान] 'सात मिनिटे दहशत' याविषयी आपण खूप बोलतो," नासा गोडार्ड येथील ग्रहशास्त्रज्ञ बेथनी थेलिंग यांनी तिच्या भाषणादरम्यान सांगितले. "तुम्ही सौरमालेत पुढे जाताना ते अधिक क्लिष्ट होत जाते. आमच्याकडे अनेक तासांचा संवाद विलंब होतो."

शनीच्या मिथेनने भरलेल्या चंद्र टायटनवर उतरलेल्या प्रोबचा संदेश पृथ्वीवर परत येण्यास दीड तासापेक्षा कमी वेळ लागेल. मानवाचा प्रतिसाद त्याच्या गंतव्यस्थानापर्यंत पोहोचेपर्यंत, संप्रेषण लूप सुमारे तीन तासांचा असेल. लँडिंगसारख्या स्थितीत जेथे रिअल-टाइम प्रतिक्रिया आवश्यक असतात, पृथ्वीच्या अशा प्रकारची मागे-पुढे-पुढे ती कमी होणार नाही. मशीन लर्निंग आणि एआय या समस्येचे निराकरण करण्यात मदत करू शकतात, थलिंगच्या मते, त्याच्या सभोवतालच्या निरीक्षणांवर आधारित निर्णय घेण्याची क्षमता असलेली तपासणी प्रदान करून.

Download All Material

"शास्त्रज्ञ आणि अभियंते, आम्ही तुमच्यापासून मुक्त होण्याचा प्रयत्न करत नाही," थिलिंग म्हणाले. "आम्ही काय करण्याचा प्रयत्न करीत आहोत की आपण त्या डेटासह घालवलेला वेळ आम्ही व्यवस्थापित करू शकणारा सर्वात उपयुक्त वेळ असेल." मशीन लर्निंग मानवांची जागा घेणार नाही, परंतु वैज्ञानिक शोधासाठी आमच्या टूलकिटमध्ये ते एक शक्तिशाली जोड असू शकते.

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