پرش به محتوای اصلی

هوش مصنوعی در فضا؛ ماه‌نورد رباتیک فلیپ مدل‌های زبانی بزرگ را به ماه می‌برد

مطالعه ۳ دقیقه
تصویرسازی هنری از ماه‌نورد فلیپ روی سطح ماه

ماه‌نورد فلیپ با اجرای آزمایشی مدل‌های زبانی بزرگ روی ماه، امکان استقلال بیشتر کاوشگرهای فضایی در مأموریت‌های آتی را فراهم می‌کند.

ماه‌نورد فلیپ از شرکت خصوصی استرولب قرار است در اوایل نوامبر ۲۰۲۶ (اواسط آبان) راهی ماه شود و برای نخستین بار امکان اجرای مدل‌های زبانی بزرگ (LLM) را روی سطح این قمر فراهم کند. این کاوشگر به کامپیوتری قدرتمند از شرکت HPE مجهز است که می‌تواند با تحلیل داده‌ها و کمک به تصمیم‌گیری خودمختار، نقش مهمی در آینده اکتشافات فضایی ایفا کند.

فلیپ با وزن ۴۸۰ کیلوگرم، مخفف عبارت «سکوی نوآوری قمری فلکس» است و نخستین نمونه از مجموعه وسایل نقلیه‌ای به شمار می‌رود که ناسا سفارش ساخت آن‌ها را به استرولب داده است. این مجموعه شامل ماه‌نوردهایی نیز خواهد بود که در آینده فضانوردان برنامه آرتمیس را روی سطح ماه جابه‌جا می‌کنند.

فلیپ به چرخ‌های تغییرشکل‌پذیر برای حرکت در زمین‌های ناهموار مجهز و برای تحمل دست‌کم ۱۵۰ ساعت از شب‌های بسیار سرد ماه طراحی شده است. این کاوشگر ۲۰ محموله علمی حمل می‌کند که از جمله آن‌ها می‌توان به سامانه لیدار برای نقشه‌برداری سه‌بعدی و حسگر مخصوص اندازه‌گیری غلظت ایزوتوپ هلیوم-۳ در خاک ماه اشاره کرد.

هوش مصنوعی چگونه به اکتشافات فضایی کمک می‌کند؟

یکی از مهم‌ترین اهداف مأموریت فلیپ، آزمایش مدل‌های زبانی بزرگ در محیط خشن ماه است. این مدل‌ها داده‌های دوربین‌ها و سامانه لیدار ماه‌نورد را تحلیل می‌کنند تا به ناوبری ایمن کمک کنند. آن‌ها همچنین می‌توانند اطلاعات جمع‌آوری‌شده را خلاصه و نکات مهم را استخراج کنند تا حجم داده‌هایی که باید به زمین ارسال شوند، کاهش یابد.

اجرای هوش مصنوعی روی خود کاوشگر می‌تواند وابستگی مأموریت‌های فضایی به مراکز کنترل زمینی را کاهش دهد

اجرای هوش مصنوعی روی خود کاوشگر می‌تواند وابستگی مأموریت‌های فضایی به مراکز کنترل زمینی را کاهش دهد. ارتباط با فضاپیماهای دوردست با تأخیر زمانی همراه است؛ برای مثال، تبادل پیام با مریخ ممکن است تا ۲۰ دقیقه تأخیر داشته باشد. حتی در مأموریت‌های ماه نیز این تأخیر می‌تواند تصمیم‌گیری فوری را دشوار کند.

مارک فرناندز، دانشمند ارشد HPE، یادآوری می‌کند که در گذشته دو ماه‌نورد شوروی به دلیل خطاهای اپراتورها که از تأخیر ارتباطات ناشی می‌شد، از دست رفتند. هوش مصنوعی می‌تواند با تحلیل داده‌ها و تصمیم‌گیری مستقل، احتمال بروز چنین مشکلاتی را کاهش دهد.

کامپیوتری قدرتمند برای محیطی خشن

مریخ‌نوردهای کیوراسیتی و پرسویرنس ناسا سال‌هاست که با استفاده از مسیرهای ازپیش‌ برنامه‌ریزی‌شده، به‌صورت نیمه‌خودمختار روی مریخ حرکت می‌کنند. بااین‌حال، کامپیوترهای مورد استفاده‌ی این کاوشگر که برای تحمل شرایط سخت فضا مقاوم شده‌اند، قدرت پردازشی محدودی دارند؛ به‌طوری که توان محاسباتی آن‌ها با لپ‌تاپ‌های اواخر دهه ۱۹۹۰ قابل مقایسه است.

در مقابل، کامپیوتر اسپیس‌بورن-۴ که در ماه‌نورد فلیپ تعبیه شده است، از پردازنده مرکزی ۶۴ بیتی قدرتمند و پردازنده گرافیکی بهره می‌برد که امکان اجرای هم‌زمان تعداد زیادی از وظایف محاسباتی را فراهم می‌کنند.

شرکت HPE پیش‌تر سه کامپیوتر از مجموعه‌ی اسپیس‌بورن را برای آزمایش به ایستگاه فضایی بین‌المللی فرستاده بود. کامپیوترهای اسپیس‌بورن-۲ و اسپیس‌بورن-۳ نیز در سال ۲۰۲۵، در چارچوب ابتکار «اسپیس لاما»، مدل زبانی لاما ۳٫۲ از شرکت متا را اجرا کردند. این فناوری به فضانوردان کمک کرد وظایف پژوهشی را ساده‌تر انجام دهند و سریع‌تر تصمیم بگیرند.

HPE برای افزایش دوام کامپیوتر در فضا، به‌جای طراحی سخت‌افزاری کاملاً جدید، از نرم‌افزاری استفاده کرده است که اختلال‌های ناشی از برخورد ذرات باردار کیهانی را شناسایی می‌کند. هنگام افزایش تابش، نرم‌افزار می‌تواند توان و سرعت کامپیوتر را کاهش دهد تا خطر آسیب به قطعات الکترونیکی کمتر شود. کامپیوترهای آزمایش‌شده روی ایستگاه فضایی نیز برخلاف انتظار اولیه، بیش از دو سال فعالیت کردند.

آزمونی دشوارتر از ایستگاه فضایی

فعالیت روی ماه بسیار دشوارتر از کار در ایستگاه فضایی بین‌المللی خواهد بود. دمای داخل ایستگاه حدود ۲۰ درجه سانتی‌گراد است؛ اما فلیپ در نزدیکی قطب جنوب ماه فرود می‌آید؛ جایی که دما از ۸۰ درجه سانتی‌گراد در مناطق آفتاب‌گیر تا منفی ۲۰۰ درجه سانتی‌گراد در مناطق سایه‌دار تغییر می‌کند. کاوشگر قرار است در مناطق سایه‌دار به دنبال یخ‌آب بگردد. شدت تابش پرتوهای کیهانی در سطح ماه نیز تقریباً سه برابر بیشتر از داخل ایستگاه فضایی است.

بااین‌حال، HPE انتظار دارد کامپیوتر اسپیس‌بورن-۴ در طول مأموریت ۱۰ روزه‌ی فلیپ بدون مشکل به کار خود ادامه دهد. این کامپیوتر از معماری محافظت‌شده‌ی مبتنی بر نرم‌افزار استفاده می‌کند و گرمای اضافی خود را از طریق رادیاتورهای ماه‌نورد دفع خواهد کرد.

روسر آلمِنار، پژوهشگر هوش مصنوعی و حقوق فضا در دانشگاه والنسیا، باور دارد که مدل‌های زبانی بزرگ برای مأموریت‌های آینده به مریخ و فراتر از آن ظرفیت چشمگیری دارند؛ زیرا در چنین مأموریت‌هایی، تأخیر ارتباطات اتکا به کمک فوری از زمین را دشوار می‌کند.

بااین‌حال، آلمنار هشدار می‌دهد که این فناوری هنوز در مراحل ابتدایی است و مدل‌های زبانی ممکن است اطلاعات نادرست یا گمراه‌کننده تولید کنند. در محیطی مانند فضا، حتی خطایی کوچک می‌تواند پیامدهای جدی داشته باشد.

به محتوای این مطلب چه امتیازی میدی؟

نظر شما برامون مهمه و به بهتر شدن کیفیت مطالب کمک می‌کنه.

۱ - بسیار بد۱۰ - بسیار خوب

نظرات

از دیگر اعضاء خانواده قلم