>> श्रीनिवास औंधकर
जगभरात आता अंतराळ संशोधनासाठी आर्टिफिशल इंटेलिजन्सचा वापर मोठ्या प्रमाणावर होत आहे. भारताचे ऐतिहासिक ‘चांद्रयान-३’ यशस्वीपणे चंद्राच्या पृष्ठभागावर उतरवण्यामध्ये इस्त्रोच्या शास्त्रज्ञांनी आर्टिफिशल इंटेलिजन्सचीदेखील मदत घेतली होती. अंतराळाच्या अफाट पसाऱ्यातील अद्भुत आविष्कार, त्यातील गुंतागुंत, त्याबाबतचे गूढ, जटिल समस्या सोडवण्यासाठी, भूतकाळातील शोध लावण्यासाठी आवश्यक असणारी क्षमता व वेग एआयमध्ये असल्याने भविष्यात विश्वाची रहस्ये उलगडण्यात कृत्रिम बुद्धिमत्ता हा सर्वात मोठा भागीदार असेल.
उपग्रह हे आधुनिक अंतराळ संशोधनाचा कणा आहेत, जे हवामानाचा अंदाज, पृथ्वी निरीक्षण आणि दळणवळणासाठी महत्त्वपूर्ण डेटा प्रदान करतात. पारंपरिकपणे, शास्त्रज्ञांच्या टीमद्वारे उपग्रह डेटावर प्रक्रिया करून, तिचा अर्थ लावून, पृथक्करण करून, विश्लेषण करून त्यातील निष्कर्षांनुसार, संकेतांनुसार अवलोकन केले जात असे, परंतु एआयमुळे ही प्रक्रिया अधिक गतिमान आणि कार्यक्षम झाली आहे.
दुसरीकडे एआय कृत्रिम उपग्रहांना अधिक स्मार्ट आणि अधिक स्वायत्त बनविण्यास मदत करत आहे. मशीन लर्निंग अल्गोरिदम वापरून उपग्रह आता रिअल टाइममध्ये मोठ्या प्रमाणावर डेटाचे विश्लेषण करू शकतात, विसंगती शोधू शकतात आणि पृथ्वीवरील सूचनांची वाट न पाहता त्यांचे ऑपरेशन समायोजित करू शकतात. ही क्षमता प्रदीर्घ काळ चालणाऱ्या अंतराळ मोहिमांसाठी विशेष महत्त्वाची आहे. कारण तेथे संप्रेषण विलंब लक्षणीय असू शकतो.
उदाहरणार्थ, ‘नासा’चा ऑर्बिटर एआयचा वापर करून स्वायत्तपणे प्रतिमा कॅप्चर करण्यासाठी चंद्रावरील वैज्ञानिकदृष्ट्या महत्त्वाची क्षेत्रे निवडण्यास सक्षम आहे. त्यामुळे मानवी निरीक्षणाची गरज लक्षणीयरीत्या कमी होते आणि डेटा संकलन प्रक्रियेलाही गती मिळते. नासाच्या पृथ्वी विज्ञान विभागातील पृथ्वीचे निरीक्षण करणारे उपग्रह दररोज पेटाबाइट डेटा तयार करतात. या डेटाचे अधिक जलद आणि कार्यक्षमतेने विश्लेषण करण्यास मदत करण्यासाठी एआयचा वापर वाढत आहे. मशीन लर्निंग अल्गोरिदमला डेटामधील नमुने आणि ट्रेंड ओळखण्यासाठी प्रशिक्षित केले जात असल्याने निष्कर्षांचे आकलन गतिमान होते.
भारताचे ऐतिहासिक ‘चांद्रयान-३’ यशस्वीपणे चंद्राच्या पृष्ठभागावर उतरवण्यामध्ये इस्त्रोच्या शास्त्रज्ञांनी आर्टिफिशल इंटेलिजन्सचीदेखील मदत घेतली होती. विक्रम लँडरची स्थिती, गती आणि अल्टिट्यूड या सर्व गोष्टींना एआय सेन्सर्सच्या माध्यमातून सांभाळण्यात आलं. सोबतच लँडरची चंद्राच्या पृष्ठभागापासून असणारी उंची मोजण्यासाठीदेखील वेगळ्या एआय सेन्सर्सचा वापर करण्यात आला, तर लँडर मॉड्यूलवर असणारे कॅमेरेदेखील एआय पॉवर्ड होते. या सर्व एआय सेन्सर्सने दिलेल्या डेटामुळे लँडरची लोकेशन ट्रॅक करणं सुलभ झालं. त्यामुळेच लँडिंग सुरू असताना लाईव्ह फोटोज इस्त्रोला मिळत होते. ‘चांद्रयान ३’च्या लँडिंगसाठी जागा निवडणे, योग्य जागेचा शोध घेणे, अनुकूल स्थिती नसल्यास पुढे जाऊन नवीन जागा शोधणे आणि कमांड मिळाल्यानंतर लँडिंगची प्रक्रिया सुरू करणे या सर्व गोष्टी लँडर मॉड्यूलने स्वतःच केल्या. यासाठीदेखील एआयची मदत घेण्यात आली. यासाठी ऑटोमेटिक लँडिंग सीक्वेन्सचा वापर करण्यात आला. बंगळुरूमधील मिशन कंट्रोलने लँडिंगची सूचना दिल्यानंतर विक्रम लँडरने स्वतःच सर्व प्रक्रिया यशस्वीपणे पार पाडली. अंतराळातील विस्तीर्ण अंतरे आणि कठोर वातावरणामुळे रिअल टाइम मानवी नियंत्रण अव्यवहार्य बनते. त्यामुळे अंतराळयानाला कमीत कमी मार्गदर्शनासह स्वतंत्रपणे काम करणे आवश्यक असते. यामध्ये एआय खूप मोठी भूमिका बजावते.
AI in Healthcare & Medical Field – वैद्यकीय क्षेत्र आणि एआयचा ‘डोस’
आज अवकाश संशोधनाच्या क्षेत्राच्या कक्षा रुंदावत आहेत. भारताने चांद्रयानाबरोबरच ‘मिशन आदित्य ‘द्वारे सूर्याला गवसणी घातली आहे. याखेरीज जगभरामध्ये एसोप्लॅनेटचा शोध घेतला जात आहे. सूर्यमालेच्या बाहेर अंतराळातही ग्रह अस्तित्वात असून त्यांना एसोप्लॅनेट म्हणतात. गेल्या वर्षी नासाने अंतराळात सुमारे 5000 एसोप्लॅनेट असल्याची पुष्टी केली होती. मध्यंतरी आलेल्या एका वृत्तानुसार, या एसोप्लॅनेटचा शोध घेण्यासाठी आर्टिफिशल इंटेलिजन्सची मदत घेतली असता एआयने केवळ एका तासात ही मोहीम फत्ते केली. संशोधकांनी सांगितले ताऱ्याभोवती तयार झालेल्या डिस्कमध्ये असलेला वायू प्रोटोप्लॅनेटरी डिस्क पाहून एआय त्याच्या सभोवताली एसोप्लॅनेट आहे की नाही, हे अचूकपणे ठरवू शकते. पारंपरिक तंत्रज्ञानाद्वारे सौर मंडळाशिवाय ग्रह अस्तित्वात आहेत हे समजले असले तरी एआयच्या मदतीने एसोप्लनेट नेमके कुठे आहे, हे शोधण्यात यश आले. एआय मॉडेलने या ठिकाणी ग्रहाची उपस्थिती सांगितली. विश्लेषणाची अचूकता आणि वेळ कमी करण्यासाठी एआय शास्त्रज्ञांना कशा प्रकारे मदत करू शकते याचे हे उदाहरण आहे. नासाची केप्लर स्पेस टेलिस्कोप, ज्याने हजारो एसोप्लॅनेट शोधले, त्या दुर्बिणींमधून मिळालेल्या डेटाचे विश्लेषण करण्यात एआय महत्त्वपूर्ण ठरले आहे.
2021 मध्ये मंगळावर उतरलेला नासाचा रोव्हर प्रगत एआय अल्गोरिदमने सुसज्ज आहे. मंगळावरील कोणत्या भागात अभ्यास करायचा आणि नमुने गोळा करण्यासाठी त्याची साधने कशी वापरायची, हे सर्व पृथ्वीच्या सूचनांची वाट न पाहता एआय ठरवतो. त्यामुळे एआयचा वापर स्पेस रोबोटिक्समधील क्रांतिकारी झेप ठरला आहे. अवकाशयानाला स्वायत्तपणे त्याचा मार्ग समायोजित करण्यात आणि मोहिमेदरम्यान अनपेक्षित आव्हाने हाताळण्यास मदत करण्यासाठी एआयचा वापर अत्यंत प्रभावी ठरत आहे.
(लेखक खगोलशास्त्राचे अभ्यासक आहेत.)
