इसके अलावा, भारत चंद्रमा के दक्षिणी ध्रुव पर उतरने वाला पहला देश भी बन जाएगा, एक ऐसा क्षेत्र जो अंतरिक्ष एजेंसियों और निजी अंतरिक्ष कंपनियों के हित में है क्योंकि पानी की बर्फ की खोज (जो हाइड्रोजन और ऑक्सीजन उत्पन्न करेगी) हवा और क्षमता प्रदान कर सकती है।
और ऐसे मिशनों में कृत्रिम बुद्धिमत्ता (एआई) की प्रमुख भूमिका होती है। उदाहरण के लिए, यहां तक कि चंद्रयान-2 ने भी एआई-संचालित ‘प्रज्ञान’ (संस्कृत में ज्ञान) का उपयोग करने की योजना बनाई थी – एक घरेलू सौर-संचालित रोबोटिक वाहन जो छह पहियों पर चंद्र सतह पर घूमेगा। इसमें लैंडिंग साइट के पास मौजूद तत्वों की पहचान करने के लिए बेंगलुरु में इलेक्ट्रो ऑप्टिक सिस्टम (LEOS) प्रयोगशाला से एक लेजर प्रेरित ब्रेकडाउन स्पेक्ट्रोस्कोप (LIBS) और भौतिक अनुसंधान प्रयोगशाला (PRL) से एक अल्फा कण प्रेरित एक्स-रे स्पेक्ट्रोस्कोप (APIXS) शामिल था। ) अहमदाबाद में लैंडिंग स्थल के पास तत्वों की संरचना का निरीक्षण किया होगा।
प्रज्ञान, जो केवल लैंडर के साथ संचार कर सकता है, में आईआईटी-कानपुर के शोधकर्ताओं द्वारा विकसित गति प्रौद्योगिकी का एक टुकड़ा शामिल है जो रोवर को चंद्रमा की सतह पर पैंतरेबाज़ी करने और लैंडिंग में सहायता करने में मदद करेगा। एल्गोरिदम का उद्देश्य रोवर को चंद्र सतह पर पानी और अन्य खनिजों का पता लगाने में मदद करना था, और अनुसंधान और परीक्षण के लिए चित्र भी भेजना था।
भले ही मिशन विफल रहा, विक्रम और प्रज्ञान से इस बार सामान पहुंचाने की उम्मीद है। विक्रम का एआई एल्गोरिदम सर्वोत्तम लैंडिंग स्थान की गणना करने के लिए लैंडर के सेंसर से डेटा का उपयोग करेगा और चंद्रमा की सतह, लैंडर के वजन और बचे हुए ईंधन की मात्रा जैसे कारकों पर विचार करके चंद्र सतह पर लैंडर के वंश को नियंत्रित करेगा। प्रज्ञान का एआई एल्गोरिदम रोवर के मार्ग की योजना बनाने, बाधाओं की पहचान करने और उनसे बचने के लिए सेंसर से डेटा का उपयोग करेगा। एआई का उपयोग पिछले चंद्र मिशनों द्वारा एकत्र की गई छवियों और अन्य डेटा के बड़े डेटासेट का विश्लेषण करने के लिए किया जाएगा।
इसके अलावा, जब भारत अंततः गगनयान (मानव अंतरिक्ष उड़ान) लॉन्च करेगा, तो दो प्रारंभिक मिशन होंगे जो मानव रहित होंगे। पहला पूरी तरह से मानवरहित होगा, जबकि दूसरा ‘व्योममित्रा’ नामक एक रोबोट ले जाएगा – एक आधा-ह्यूमनॉइड रोबोट (ऐसा वर्णित है, क्योंकि इसके पैर नहीं हैं) जो मानव की तरह दिखता है और बात करता है, और रॉकेट पर प्रयोग करता है।
निःसंदेह, ये केवल उदाहरण हैं कि कैसे एआई और रोबोटिक्स वर्षों से अंतरिक्ष अन्वेषण में तेजी ला रहे हैं।
उदाहरण के लिए, अर्थ ऑब्जर्विंग-1 (ईओ-1) – एक डीकमीशन (मार्च 2017 में) नासा अर्थ ऑब्जर्वेशन उपग्रह – कई उपकरण और अंतरिक्ष यान बस ब्रेकथ्रू प्रौद्योगिकियों को विकसित करने और मान्य करने के लिए 19 साल पहले बनाया गया था। अन्य कार्यों के अलावा, EO-1 का उपयोग ऑटोनॉमस साइंसक्राफ्ट एक्सपेरिमेंट जैसे नए सॉफ़्टवेयर का परीक्षण करने के लिए भी किया गया था, जिसने अंतरिक्ष यान को स्वयं यह निर्णय लेने की अनुमति दी कि वांछित छवि कैसे बनाई जाए।
इसी प्रकार, कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी (कैलटेक) में जेपीएल एआई समूह के साथ, इंस्टीट्यूट ऑफ एस्ट्रोनॉमी-यूनिवर्सिटी ऑफ हवाई ने स्काई इमेज कैटलॉगिंग एंड एनालिसिस टूल (एसकेआईसीएटी) नामक एक सॉफ्टवेयर सिस्टम विकसित किया है जो स्वचालित रूप से खोजे गए स्रोतों को सूचीबद्ध और माप सकता है। आकाश सर्वेक्षण छवियां–उन्हें सितारों या आकाशगंगाओं के रूप में वर्गीकृत करने और परिणामी वस्तु कैटलॉग का वैज्ञानिक विश्लेषण करने में एक खगोलशास्त्री की सहायता करने के लिए।
नासा के गोडार्ड स्पेस फ़्लाइट सेंटर के एक शोध इंजीनियर एल्विन यू एक मशीन को चंद्रमा की सतह पर नेविगेट करने के लिए चंद्रमा के क्षितिज पर सुविधाओं का उपयोग करना सिखा रहे हैं। उदाहरण के लिए, वह लूनर ऑर्बिटर लेजर अल्टीमीटर के डिजिटल उन्नयन मॉडल का उपयोग करके चंद्र सतह पर एक खोजकर्ता को दिखाई देने वाली सुविधाओं को फिर से बनाने के लिए एक एआई मॉडल का प्रशिक्षण ले रहा है। लोला ढलानों, चंद्रमा की सतह की खुरदरापन को मापता है, और चंद्रमा के उच्च रिज़ॉल्यूशन वाले स्थलाकृतिक मानचित्र तैयार करता है।
वर्जीनिया में नासा की वॉलॉप्स फ्लाइट फैसिलिटी के समुद्र विज्ञानी जॉन मोइसन एक एआई-संचालित ‘ए-आई’ विकसित कर रहे हैं जो अनिवार्य रूप से पृथ्वी के जलीय और तटीय क्षेत्रों से छवियों की व्याख्या करने के लिए एक चल सेंसर है। मोइसन का ऑन-बोर्ड एआई महत्वपूर्ण विशेषताओं की खोज के लिए वास्तविक समय में एकत्रित डेटा को स्कैन करेगा, फिर इन्फ्रारेड और अन्य आवृत्तियों में अधिक विस्तृत डेटा एकत्र करने के लिए एक ऑप्टिकल सेंसर चलाएगा।
एआई का उपयोग प्रक्षेपवक्र और पेलोड अनुकूलन के लिए भी किया जा रहा है। एईजीआईएस नामक एआई का उपयोग मंगल ग्रह पर नासा के रोवर्स द्वारा पहले से ही किया जा रहा है। सिस्टम कैमरों के स्वायत्त लक्ष्यीकरण को संभाल सकता है और चुन सकता है कि क्या जांच करनी है। हालाँकि, AI की अगली पीढ़ी वाहनों को नियंत्रित करने, अध्ययन चयन में स्वायत्त रूप से सहायता करने और गतिशील रूप से वैज्ञानिक कार्यों को शेड्यूल करने और निष्पादित करने में सक्षम होगी।
लाल ग्रह से डाउनलोड की गई तस्वीरों में इलाके की विशेषताओं को लेबल करने के लिए ऑनलाइन टूल AI4Mars का उपयोग करके, आप परिदृश्य को स्वचालित रूप से पढ़ने के लिए एक कृत्रिम बुद्धिमत्ता एल्गोरिदम को प्रशिक्षित कर सकते हैं।
भारी मात्रा में डेटा को छानने और सहसंबंध खोजने की एआई की क्षमता उस डेटा का बुद्धिमानी से विश्लेषण करने में मदद करती है। उदाहरण के लिए, यूरोपीय अंतरिक्ष एजेंसी (ईएसए) एनविसैट हर साल लगभग 400 टेराबाइट्स डेटा का उत्पादन करती है। दूसरी ओर, खगोलविदों का अनुमान है कि स्क्वायर किलोमीटर एरे ऑब्ज़र्वेटरी (एसकेएओ) – दक्षिण अफ्रीका के कारू क्षेत्र और पश्चिमी ऑस्ट्रेलिया के मर्चिसन शायर दोनों में स्थित दुनिया के सबसे बड़े रेडियो टेलीस्कोप के निर्माण का एक अंतरराष्ट्रीय प्रयास – 35,000-डीवीडी-मूल्य का डेटा उत्पन्न करेगा। प्रत्येक सेकंड, उस डेटा के बराबर है जो इंटरनेट प्रतिदिन उत्पन्न करता है।
जेम्स वेब स्पेस टेलीस्कोप, जिसे नासा द्वारा पृथ्वी से लगभग 1.5 मिलियन किलोमीटर की कक्षा में लॉन्च किया गया था, में टेलीस्कोप के 705 किलोग्राम दर्पण की पूर्ण तैनाती की देखरेख करने वाले एआई-सशक्त स्वायत्त सिस्टम भी शामिल हैं। यदि यह AI के लिए नहीं है तो डेटा के ऐसे पहाड़ों का विश्लेषण कैसे किया जाएगा?
अंतरिक्ष में हार्डवेयर घटकों की डिज़ाइन दक्षता बढ़ाने के लिए भी AI का उपयोग किया जा रहा है। उदाहरण के तौर पर, नासा के गोडार्ड स्पेस फ्लाइट सेंटर में अनुसंधान इंजीनियर रयान मैकलेलैंड ने ऐसे हार्डवेयर घटकों का उत्पादन करने के लिए व्यावसायिक रूप से उपलब्ध एआई सॉफ्टवेयर का उपयोग करके विशेष, एक-बंद हिस्सों के डिजाइन का बीड़ा उठाया है जो कम वजन वाले, उच्च संरचनात्मक भार को सहन करते हैं, और इसके एक अंश की आवश्यकता होती है। मनुष्यों द्वारा समान भागों को विकसित करने में लगने वाला समय।
मैक्लेलैंड के घटकों को नासा मिशन द्वारा खगोल भौतिकी गुब्बारा वेधशालाओं, पृथ्वी-वायुमंडल स्कैनर, ग्रहीय उपकरण, अंतरिक्ष मौसम मॉनिटर, अंतरिक्ष दूरबीन और यहां तक कि मंगल नमूना रिटर्न मिशन के लिए अपनाया गया है। गोडार्ड भौतिक विज्ञानी पीटर नागलर ने इन घटकों का उपयोग एक्सोप्लैनेट क्लाइमेट इन्फ्रारेड टेलीस्कोप (EXCITE) मिशन को विकसित करने के लिए किया है – एक गुब्बारा-जनित टेलीस्कोप जिसे अन्य सितारों की परिक्रमा करने वाले गर्म बृहस्पति-प्रकार के एक्सोप्लैनेट्स का अध्ययन करने के लिए विकसित किया गया है। मैककेलेंड (https://www.nasa.gov/feature/goddard/2023/nasa-turns-to-ai-to-design-mission-) के अनुसार, रेजिन और धातुओं के साथ 3डी प्रिंटिंग एआई-सहायता प्राप्त डिजाइन के भविष्य को खोलेगी। हार्डवेयर).
एआई भी अंतरिक्ष में एआई-संचालित अंतरिक्ष यात्रियों के साथ बड़े कदम उठा रहा है। क्रू इंटरएक्टिव मोबाइल कंपेनियन (CIMON), पहली AI-आधारित अंतरिक्ष यात्री सहायता प्रणाली अंतर्राष्ट्रीय अंतरिक्ष स्टेशन (ISS) पर 14 महीने बिताने के बाद 27 अगस्त 2019 को पृथ्वी पर लौट आई। CIMON को एयरबस द्वारा जर्मन एयरोस्पेस सेंटर (DLR) के लिए तकनीकी कंपनी IBM के साथ साझेदारी में विकसित किया गया था। यह एक तैरता हुआ कंप्यूटर है जिसे एयरबस टीम के सदस्यों ने उड़ने वाले मस्तिष्क के रूप में वर्णित किया था।
CIMON वैज्ञानिक प्रयोगों और मरम्मत के लिए जानकारी (आवाज-नियंत्रित) निर्देश, निर्देश दिखाने और समझाने में सक्षम है, जिससे अंतरिक्ष यात्रियों को दोनों हाथ मुक्त रखने में मदद मिलती है। CIMON के ‘कान’ में ध्वनि स्रोतों की दिशा का पता लगाने के लिए आठ माइक्रोफोन और अच्छी आवाज पहचान के लिए एक अतिरिक्त दिशात्मक माइक्रोफोन शामिल हैं। इसका मुँह एक लाउडस्पीकर है जिसका उपयोग बोलने या संगीत बजाने के लिए किया जा सकता है। बारह आंतरिक रोटार CIMON को सभी दिशाओं में स्वतंत्र रूप से घूमने और घूमने की अनुमति देते हैं। इसका मतलब यह है कि संबोधित करने पर यह अंतरिक्ष यात्री की ओर मुड़ सकता है। यह सिर हिला सकता है या हिला सकता है और स्वायत्त रूप से या आदेश पर अंतरिक्ष यात्री का अनुसरण कर सकता है।
CIMON-2 में IBM ‘वाटसन’ AI तकनीक का भी उपयोग किया गया है।
