नासा के शोधकर्ता की एआई ‘आई’ रोबोट डेटा-एकत्रीकरण में मदद कर सकती है

जब यह अपरिचित डेटा के बारे में वास्तविक समय के निर्णय लेने की बात आती है-कहते हैं, एक पहाड़ को बढ़ाने के लिए एक रास्ता चुनना जिसे आपने पहले कभी नहीं बढ़ाया है-मौजूदा आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग टेक मानव कौशल तक मापने के करीब नहीं आता है। यही कारण है कि नासा के वैज्ञानिक जॉन मोइसन एक एआई “आंख” विकसित कर रहे हैं।

मोइसन, वर्जीनिया के चिनकोटेग्यू के पास नासा के वॉलोप्स फ्लाइट फैसिलिटी के एक समुद्र विज्ञानकर्ता ने कहा कि एआई अपनी ए-आई, एक जंगम सेंसर को निर्देशित करेगा। छवियों का विश्लेषण करने के बाद उनके एआई को न केवल नए डेटा में ज्ञात पैटर्न मिलेगा, बल्कि नई सुविधाओं या जैविक प्रक्रियाओं का निरीक्षण करने और खोजने के लिए सेंसर को भी आगे बढ़ाया जाएगा।

“वास्तव में एक बुद्धिमान मशीन को पहचानने में सक्षम होने की आवश्यकता है जब यह वास्तव में कुछ नया और आगे के अवलोकन के योग्य है,” मोइसन ने कहा। “अधिकांश एआई एप्लिकेशन नए डेटा में पैटर्न को पहचानने के लिए परिचित डेटा के साथ प्रशिक्षित अनुप्रयोगों की मैपिंग कर रहे हैं। आप एक मशीन को कैसे सिखाते हैं कि वह कुछ को पहचानने के लिए नहीं समझती है, रोकती है और कहती है कि ‘वह क्या था? आओ हम इसे नज़दीक से देखें।’ यह खोज है। ”

गोडार्ड एआई के विशेषज्ञ जेम्स मैकिनॉन ने कहा कि जटिल डेटा में नए पैटर्न को ढूंढना और पहचानना अभी भी मानव वैज्ञानिकों का डोमेन है, और मनुष्य एक बड़ी भूमिका निभाते हैं। वैज्ञानिक विज़ुअलाइज़ेशन को देखकर बड़े डेटा सेटों का विश्लेषण करते हैं जो डेटा के भीतर विभिन्न चर के बीच संबंधों को बाहर लाने में मदद कर सकते हैं।

मैककिनोन ने कहा कि यह एक और कहानी है कि उन कनेक्शनों को देखने के लिए वास्तविक समय में बड़े डेटा स्ट्रीम को देखने के लिए कंप्यूटर को प्रशिक्षित करें। विशेष रूप से जब डेटा में सहसंबंधों और अंतर-संबंधों की तलाश है कि कंप्यूटर को पहचानने के लिए प्रशिक्षित नहीं किया गया है।

Moisan ने पहले पृथ्वी के जटिल जलीय और तटीय क्षेत्रों से छवियों की व्याख्या करने पर अपनी ए-आई सेट करने का इरादा किया है। वह इस साल उस लक्ष्य तक पहुंचने की उम्मीद करता है, एआई को डेलमार्वा प्रायद्वीप पर पूर्व उड़ानों से टिप्पणियों का उपयोग करके प्रशिक्षित करता है। फॉलो-अप फंडिंग से उन्हें ऑप्टिकल पॉइंटिंग लक्ष्य को पूरा करने में मदद मिलेगी।

“आप उन चीजों को कैसे बाहर निकालते हैं जो स्कैन में मायने रखती हैं?” मोइसन ने पूछा। “मैं स्कैन में बहने वाली चीज़ पर ए-आई को जल्दी से इंगित करने में सक्षम होना चाहता हूं, ताकि एक दूरदराज के क्षेत्र से हम पर्यावरणीय दृश्य को समझने की आवश्यकता हो।”

Moisan के ऑन-बोर्ड AI महत्वपूर्ण सुविधाओं की खोज करने के लिए वास्तविक समय में एकत्र किए गए डेटा को स्कैन करेंगे, फिर इन्फ्रारेड और अन्य आवृत्तियों में अधिक विस्तृत डेटा एकत्र करने के लिए एक ऑप्टिकल सेंसर को आगे बढ़ाएंगे।

हमारे ब्रह्मांड के भविष्य की खोज में एक बड़ी भूमिका निभाने के लिए सोचने वाली मशीनें निर्धारित की जा सकती हैं। परिष्कृत कंप्यूटरों को रासायनिक हस्ताक्षर को पहचानने के लिए सिखाया जाता है जो जीवन प्रक्रियाओं को इंगित कर सकते हैं, या लावा प्रवाह या क्रेटर जैसे लैंडस्केप सुविधाओं, चंद्र या गहरी-अंतरिक्ष अन्वेषण से लौटे विज्ञान डेटा के मूल्य को बढ़ाने की पेशकश कर सकते हैं।

आज के अत्याधुनिक एआई मिशन-महत्वपूर्ण निर्णय लेने के लिए काफी तैयार नहीं हैं, मैककिनोन ने कहा।

“आपको एक दृश्य की धारणा लेने और इसे एक निर्णय में बदलने के लिए किसी तरह की आवश्यकता है और यह वास्तव में कठिन है,” उन्होंने कहा। “एक वैज्ञानिक के लिए डरावनी बात, डेटा को फेंकना है जो मूल्यवान हो सकता है। एक एआई प्राथमिकता दे सकता है कि पहले क्या डेटा भेजना है या एक एल्गोरिथ्म है जो विसंगतियों पर ध्यान दे सकता है, लेकिन दिन के अंत में, यह एक वैज्ञानिक होने जा रहा है जो उस डेटा को देखने वाला है जो खोजों में परिणाम देता है। ”