NASA-ს მარსის როვერები გასული ორი ათწლეულის ერთ-ერთი უდიდესი სამეცნიერო და კოსმოსური წარმატებაა. როვერების ოთხმა თაობამ წითელ პლანეტაზე იმოგზაურა. მათ უამრავი სამეცნიერო მონაცემი შეაგროვეს და ასევე უამრავი ფოტო გამოგვიგზავნეს. რაც შეეხება ბოლო როვერ Perseverance-ს, იგი 30 ივლისს გაუშვეს, ინჟინრები კი ახალი თაობის როვერების შექმნაზე უკვე მუშაობენ.

მიუხედავად ამ მისიების წარმატებისა, მარსის გეოლოგიის, გეოგრაფიისა თუ ატმოსფეროს შესახებ ჯერ კიდევ ცოტა რამაა ცნობილი. მარსის მრავალფეროვან და საშიშროებებით სავსე ზედაპირზე ლიმიტირებული კომპიუტერული შესაძებლობებითა და მწირი ენერგიით მოგზაურობა უზარმაზარი გამოწვევაა.

პირველმა როვერმა, Sojourner-მა 100 მეტრის გავლას 92 მარსული დღე მოანდომა. მეორემ, Spirit-მა დაახლოებით 8 კილომეტრი ხუთ წელიწადში დაფარა. Opportunity-მ 24 კილომეტრი 15 წელში გაიარა, Curiosity-მ კი 2012 წლიდან მოყოლებული 19 კილომეტრზე მეტი გაიარა. ინჟინრები აქტიურად მუშაობენ, რომ ახალი თაობის როვერები უფრო ჭკვიანები, პროდუქტიულები და სწრაფები იყვნენ.

ახლახან გაშვებული როვერი Perseverance, RAD 750-ს იყენებს, რომელიც სპეციალურად მაღალი რადიაციული გარემოსთვისაა შექმნილი და თანამგზავრებისთვისა და ხომალდებისთვის გამოიყენება — პირველად კოსმოსში იგი 2005 წელს გაუშვეს. სამომავლო მისიების დროს კი ახალი, მრავალბირთვიანი პროცესორების გამოყენებას გეგმავენ, რომლებიც წინამორბედების მსგავსად მაღალი რადიაციის პირობებში იმუშავებენ. მათ ამჟამინდელ პროცესორებთან შედარებით დაახლოებით ასჯერ დიდი გამოთვლითი ძალა ექნებათ და თანაც იმავე რაოდენობის ენერგიას მოიხმარენ.

"მარსის როვერები დამოუკიდებლები არ არიან, მათ სამართავად ადამიანია საჭირო. ამის მიზეზი გარკვეულწილად პროცესორების ლიმიტირებული შესაძლებლობებია. ახალი პროცესორების მთავარ მისიას კი ღრმა დასწავლისა და მანქანური დასწავლის გამოყენების შესაძლებლობის მოცემა წარმოადგენს, ისე როგორც ამას აქ, დედამიწაზე ვაკეთებთ", — განაცხადა მკვლევარმა კრის მეტმენმა.

MAARS (The Machine Learning-based Analytics for Autonomous Rover Systems) პროგრამის ფარგლებში, რომელიც სამი წლის წინ დაიწყო და წელს დასრულდება, მკვლევრებმა ის სფეროები განიხილეს, სადაც ხელოვნური ინტელექტი სასარგებლო შეიძლება გამოდგეს. გუნდის მიხედვით, დედამიწაზე არსებულმა ფართო შესაძლებლობების მქონე კომპიუტერებმა ადამიანებს უამრავი რამის გაკეთება შეაძლებინეს. სწორედ ამიტომ მათი გამოყენება დედამიწის გარეთაც აუცილებელია.

"საუკეთესო კომპიუტერები დედამიწაზეა მაშინ, როდესაც ყველაზე ძვირფასი მონაცემები მარსზეა განთავსებული", — აცხადებს გუნდი.

ტეხასში არსებულ სუპერკომპიუტერზე, Maverick2-ზე მუშაობისას, გუნდმა ორი ახალი მეთოდი შეიმუშავა, რომელიც მომავალი მარსის როვერებზე სამუშაოდ გამოდგება.

აღსანიშნავია, რომ Perseverance-ის პროგრამაში მანქანური დასწავლის ფუნქციაც ურევია, რომელიც ყველაზე ოპტიმალური მარშრუტის პოვნაზეა პასუხისმგებელი. თუმცა იგი საკმაოდ დასახვეწია.

"ჩვენ გვინდა, რომ მომავალ როვერებს დანახვისა და დაკვირვების ადამიანის მსგავსი უნარები ჰქონდეთ", — აცხადებენ მკვლევრები.

საუბარია ისეთი პროტოკოლის შექმნაზე, რომელიც ადამიანის მიერ დავალებულ "A ადგილიდან B ადგილზე გადაინაცვლე" ტიპის ბრძანებებსა და როვერის სრულიად დამოუკიდებლად მუშაობას შორის შუა ზღვარს გამოძებნის.

ეს გაწერილი პროტოკოლი სხვადახვა სცენარის წინასწარ დაგეგმვას მოიცავს, შემდეგ კი როვერს საშუალებას აძლევს განსაზღვროს, თუ რა ტიპის გარემოებების პირისპირ იმყოფება და რა უნდა მოიმოქმედოს.

"აქ არსებულ სუპერკომპიუტერს პროტოკოლის გეგმების შესაქმნელად ვიყენებთ: თუ ხდება X, გააკეთე ეს, თუ ხდება Y, გააკეთე ის. ჩვენ უზარმაზარ საქმეების სიას შევადგენთ და როვერს გავუგზავნით. შემდეგ ჩვენ როვერის სიმძლავრეს გამოვიყენებთ, რათა მან პროტოკოლის კომპრესირება და შესრულება შეძლოს", — აცხადებენ მკვლევრები.

წინასწარი დაგეგმვა მანქანური დასწავლის დახმარებით ხდება. პროცესორი კი ამ გეგმებს დასკვნების გამოსატანად იყენებს — გარემოდან მონაცემები სავარჯიშო მოდელში შეჰყავს.

"როვერს იმის უნარი აქვს, რომ წინასწარ დადეგმილის გარდა სხვა ვარიანტებიც გამოიყენოს და გეგმა შეცვალოს. ეს მნიშვნელოვანია იმ შემთხვევაში, თუკი რაიმე ცუდი ან საინტერესო ხდება", — განმარტავენ მკვლევრები.

მიმდინარე მისიების დროს, როგორც წესი, როვერების მიერ გადაღებულ ათობით სურათს იყენებენ იმის განსასაზღვრად, თუ რა გააკეთონ შემდეგ დღეს. მაგრამ მკვლევრებს აინტერესებთ, რა მოხდება, თუკი მომავალში შემდეგი დღის დასაგეგმად სურათებზე როვერის მიერ დატანებულ ტექსტურ შეტყობინებებს გამოვიყენებთ. პირველი მეთოდის მიზანიც სწორედ ესაა.

გუნდმა Google-ის Show and Tell პროგრამის როვერის მისიისთვის ადატპირება მოახერხა. ალგორითმი ფოტოებს იღებს და ადამიანისთვის წაკითხვად ტიტრს უკეთებს. ეს ინფორმაცია მარტივი, მაგრამ მნიშვნელოვანია. მაგალითად, მისი დახმატრებით ვიგებთ, რამდენი ქვაა კადრში ან რამდენად შორს.

ბოლო რამდენიმე წლის განმავლობაში ექსპერტები მარსის ფოტოებს ტიტრებს და ანოტაციებს უკეთებდნენ, რათა ეს შემდეგ ალგორითმისთვის გადაეცათ. Maverick 2-ზე 6 700 ტიტრის გამოყენებით გუნდმა მოდელი დახვეწა და გააუმჯობესა.

ასევე აღსანიშნავია, რომ გუნდმა აპლიკაცია AI4Mars შექმნა, რომელიც მოხალისეებს შესაძლებლობას აძლევს, Curiosity-ის მიერ გადაღებული 20 ათასზე მეტი ფოტო დაასათაურონ. ეს კი გუნდს მანქანური დასწავლის ალგორითმების გაუმჯობესებაში დაეხმარება.

"ახალი ძლიერი პროცესორების, დედამიწაზე არსებული სუპერკომპიუტერების დახმარებით წინასწარ დაგეგმილი ბრძანებებისა და ახალი ალგორითმების კომბინაციით მომავალი მისიები საშუალებას მოგვცემს, უფრო სწრაფად ვიმოგზაუროთ და მეტი რამ აღმოვაჩინოთ", — აღნიშნავენ მკვლევრები.