هوش مصنوعی قرار نیست آب را از زیر خاک بیرون بکشد

به گزارش گروه دانشگاه خبرگزاری دانشجو؛ سال‌هاست وقتی صحبت از بازگشت انسان به ماه می‌شود، یکی از مهم‌ترین پرسش‌ها این است که منابع مورد نیاز برای ماندن طولانی‌مدت انسان روی این جرم آسمانی از کجا تأمین خواهد شد. حالا هوش مصنوعی به یکی از ابزارهای اصلی برای پاسخ دادن به همین پرسش تبدیل شده است؛ ابزاری که قرار است به دانشمندان کمک کند سطح ماه را با دقت بیشتری بررسی کنند و مناطقی را که می‌توانند برای مأموریت‌های آینده اهمیت داشته باشند، سریع‌تر شناسایی کنند.

مدل هوش مصنوعی جدید برای مطالعه ماه

ناسا و شرکت IBM یک مدل پایه هوش مصنوعی برای مطالعه سطح ماه توسعه داده‌اند؛ مدلی که برای پردازش و تحلیل حجم بزرگی از داده‌های به‌دست‌آمده از مأموریت‌های فضایی طراحی شده است.

این مدل با استفاده از داده‌های چندین مأموریت فضایی، از جمله مأموریت «مدارگرد شناسایی ماه» ناسا، می‌تواند ویژگی‌های سطح ماه را شناسایی و دسته‌بندی کند. هدف این است که پژوهشگران به جای بررسی دستی حجم عظیمی از تصاویر و داده‌ها، بتوانند با کمک هوش مصنوعی مناطق مهم را سریع‌تر پیدا کنند. یکی از کاربردهای مهم این فناوری، بررسی مناطق قطبی ماه و شناسایی مناطقی است که احتمال وجود یا پایداری یخ آب در آنها بیشتر است.

چرا یخ آب روی ماه این‌قدر مهم است؟

اهمیت ماجرا فقط به پیدا کردن آب محدود نمی‌شود. اگر یخ آب در مناطق مناسب ماه قابل دسترسی باشد، می‌تواند در آینده به یکی از منابع مهم برای مأموریت‌های انسانی تبدیل شود. آب علاوه بر مصرف مستقیم، قابلیت تبدیل شدن به هیدروژن و اکسیژن را دارد؛ دو ماده‌ای که می‌توانند در سامانه‌های پشتیبان حیات و حتی تولید سوخت مورد استفاده قرار گیرند. به همین دلیل، پیدا کردن مناطقی که احتمال وجود یخ در آنها بیشتر است، بخشی از برنامه بزرگ‌تر برای تبدیل ماه از یک مقصد کوتاه‌مدت به پایگاهی برای فعالیت‌های طولانی‌ر فضایی است.

هوش مصنوعی قرار نیست آب را «از زیر خاک بیرون بکشد»

یک نکته مهم در این خبر وجود دارد؛ مدل جدید ناسا و IBM قرار نیست به‌تنهایی روی ماه فرود بیاید و آب را پیدا کند. کار اصلی این مدل، تحلیل داده‌ها و نقشه‌برداری از ویژگی‌های سطح ماه است. یعنی هوش مصنوعی از میان حجم بزرگی از داده‌های ماهواره‌ای و فضایی، الگوهایی را پیدا می‌کند که ممکن است برای دانشمندان اهمیت داشته باشند. این موضوع نشان می‌دهد نقش هوش مصنوعی در اکتشافات فضایی در حال تغییر است. هوش مصنوعی دیگر فقط ابزاری برای پردازش چند تصویر نیست؛ بلکه می‌تواند به عنوان یک لایه تحلیلی روی داده‌های چندین مأموریت فضایی قرار بگیرد و مسیر تصمیم‌گیری پژوهشگران را کوتاه‌تر کند.

از نقشه‌برداری تا مأموریت‌های انسانی

اهمیت این فناوری زمانی بیشتر مشخص می‌شود که آن را در کنار برنامه‌های بازگشت انسان به ماه قرار دهیم. برای یک مأموریت انسانی، انتخاب محل فرود فقط به این بستگی ندارد که یک نقطه روی ماه از نظر علمی جذاب باشد. دسترسی به منابع، وضعیت زمین، میزان نور و سایه و امکان انجام عملیات در آینده نیز اهمیت دارد. اگر هوش مصنوعی بتواند این اطلاعات را سریع‌تر کنار هم قرار دهد، دانشمندان می‌توانند پیش از اعزام مأموریت، تصویر دقیق‌تری از مناطق مناسب داشته باشند. در چنین شرایطی، یک مدل هوش مصنوعی می‌تواند از یک ابزار آزمایشگاهی به بخشی از زیرساخت تصمیم‌گیری برای اکتشافات فضایی تبدیل شود.

ماه به آزمایشگاه هوش مصنوعی فضایی تبدیل می‌شود؟

مدل مشترک ناسا و IBM یک نکته مهم‌تر را هم نشان می‌دهد؛ آینده اکتشاف فضا فقط به موشک‌های قدرتمندتر وابسته نیست. هرچه تعداد مأموریت‌های فضایی افزایش پیدا کند، حجم داده‌هایی که از ماه، مریخ و دیگر اجرام آسمانی به زمین ارسال می‌شود نیز بیشتر خواهد شد. انسان به‌تنهایی نمی‌تواند تمام این داده‌ها را با سرعت مورد نیاز بررسی کند. اینجاست که مدل‌های هوش مصنوعی می‌توانند نقش متفاوتی پیدا کنند؛ از تشخیص عوارض سطحی گرفته تا بررسی تغییرات زمین‌شناختی و پیدا کردن مناطقی که ارزش بررسی بیشتر دارند. در واقع، رقابت آینده فضایی فقط بر سر این نیست که «چه کسی زودتر به ماه می‌رسد»؛ بخشی از این رقابت به این سؤال مربوط می‌شود که چه کسی می‌تواند داده‌های ماه را سریع‌تر و دقیق‌تر به اطلاعات قابل استفاده تبدیل کند.

یک قدم کوچک برای یک هدف بزرگ

مدل پایه ماه ناسا و IBM به‌تنهایی قرار نیست مسئله سکونت انسان روی ماه را حل کند؛ اما می‌تواند یکی از ابزارهای مورد نیاز برای رسیدن به چنین هدفی باشد.اهمیت این پروژه در همین نقطه است: هوش مصنوعی در حال ورود به مرحله‌ای شده که فقط درباره تولید متن، تصویر یا پاسخ به پرسش‌های روزمره نیست. این فناوری حالا می‌تواند برای فهم محیط‌هایی به کار گرفته شود که انسان هنوز حضور دائمی در آنها ندارد. ماه یکی از نزدیک‌ترین نمونه‌هاست؛ جایی که بخش بزرگی از اطلاعات آن از طریق حسگرها و مأموریت‌های فضایی جمع‌آوری می‌شود و هوش مصنوعی می‌تواند این داده‌های پراکنده را به نقشه‌ای قابل استفاده برای مأموریت‌های آینده تبدیل کند.

اگر اکتشافات آینده ماه به سمت حضور طولانی‌مدت انسان حرکت کند، احتمالاً بخشی از مسیر رسیدن به آن نه با چشم فضانوردان، بلکه ابتدا با الگوریتم‌هایی طی خواهد شد که از میان میلیون‌ها داده، بهترین نقطه برای قدم بعدی را پیدا می‌کنند.ب