[ad_1]
2021 সাল থেকে, NASA-এর Perseverance রোভার মঙ্গল গ্রহ থেকে প্রথম অডিও রেকর্ডিং ফেরত পাঠানো সহ বেশ কয়েকটি ঐতিহাসিক মাইলফলক অর্জন করেছে। এখন, লাল গ্রহে অবতরণের প্রায় পাঁচ বছর পরে, এটি কেবল আরেকটি কীর্তি অর্জন করেছে। এই গত ডিসেম্বরে, অধ্যবসায় সফলভাবে Jezero ক্র্যাটার একটি অংশ মাধ্যমে একটি রুট সম্পন্ন অ্যানথ্রপিকের ক্লড চ্যাটবট দ্বারা প্লট করা হয়েছেপ্রথমবারের মতো NASA গাড়ির আকারের রোবটটি চালানোর জন্য একটি বড় ভাষা মডেল ব্যবহার করেছে।
8 এবং 10 ডিসেম্বরের মধ্যে, অধ্যবসায় ক্লড দ্বারা ম্যাপ করা মঙ্গল পৃষ্ঠের পাথরের একটি মাঠের মধ্য দিয়ে প্রায় 400 মিটার (প্রায় 437 গজ) গাড়ি চালিয়েছিল। আপনি যেমন কল্পনা করতে পারেন, অধ্যবসায়ের জন্য একটি কোর্স প্লট করার জন্য একটি এআই মডেল ব্যবহার করা একটি একক প্রম্পট ইনপুট করার মতো সহজ ছিল না।
নাসা ব্যাখ্যা করে, অধ্যবসায়কে রাউটিং করা সহজ কাজ নয়, এমনকি একজন মানুষের জন্যও। “প্রতিটি রোভার ড্রাইভকে সাবধানে পরিকল্পনা করা দরকার, পাছে মেশিনটি স্লাইড করে, ডগায়, তার চাকা ঘুরিয়ে দেয় বা সমুদ্র সৈকতে পড়ে যায়,” নাসা বলেছে৷ “সুতরাং রোভারটি অবতরণ করার পর থেকে, এর মানব অপারেটররা কঠোর পরিশ্রমের সাথে ওয়েপয়েন্ট তৈরি করেছে – তারা এটিকে একটি ‘ব্রেডক্রাম্ব ট্রেইল’ বলে – এটি অনুসরণ করার জন্য, মহাকাশ থেকে তোলা ছবি এবং রোভারের অনবোর্ড ক্যামেরাগুলির সংমিশ্রণ ব্যবহার করে।”
ক্লডকে কাজটি সম্পূর্ণ করার জন্য, মডেলটি অধ্যবসায়ের জন্য একটি রুট লেখা শুরু করার আগে NASA কে প্রথমে রোভার থেকে প্রাসঙ্গিক তথ্যের “বছর” সহ অ্যানথ্রপিকের প্রোগ্রামিং এজেন্ট ক্লড কোড সরবরাহ করতে হয়েছিল। ক্লড তারপরে ম্যাপিং প্রক্রিয়াটি পদ্ধতিগতভাবে নিয়ে গিয়েছিলেন, দশ-মিটার অংশ থেকে ওয়েপয়েন্টগুলিকে একত্রিত করে এটি পরে সমালোচনা করবে এবং পুনরাবৃত্তি করবে।
এটি হচ্ছে নাসা যার কথা আমরা বলছি, এজেন্সির জেট প্রপালশন ল্যাবরেটরি (জেপিএল) এর প্রকৌশলীরা অধ্যবসায়কে পাঠানোর আগে মডেলটির কাজটি দ্বিগুণ পরীক্ষা করা নিশ্চিত করেছেন। জেপিএল দল রোভারে পাঠানো কমান্ডের যথার্থতা নিশ্চিত করতে প্রতিদিন ব্যবহার করে এমন একটি সিমুলেশনের মাধ্যমে ক্লডের ওয়েপয়েন্টগুলি চালায়। শেষ পর্যন্ত, NASA বলে যে এটিকে শুধুমাত্র ক্লডের রুটে “ছোট পরিবর্তন” করতে হয়েছিল, একটি পরিবর্তনের ফলে দলটির গ্রাউন্ড-লেভেল ইমেজগুলিতে অ্যাক্সেস ছিল যা ক্লড তার পরিকল্পনা প্রক্রিয়ায় দেখেনি।
“প্রকৌশলীরা অনুমান করেন যে এইভাবে ক্লড ব্যবহার করা রুট-পরিকল্পনার সময়কে অর্ধেকে কমিয়ে দেবে এবং ভ্রমণকে আরও সামঞ্জস্যপূর্ণ করবে,” নাসা বলেছে। “ক্লান্তিক ম্যানুয়াল পরিকল্পনা করতে কম সময় ব্যয় করা – এবং কম সময় ব্যয় করা প্রশিক্ষণ – রোভারের অপারেটরদের আরও বেশি ড্রাইভে ফিট করতে, আরও বেশি বৈজ্ঞানিক ডেটা সংগ্রহ করতে এবং আরও বেশি বিশ্লেষণ করতে দেয়। এর অর্থ সংক্ষেপে, আমরা মঙ্গল সম্পর্কে আরও অনেক কিছু শিখব।”
যখন AI দ্বারা প্রদত্ত উৎপাদনশীলতা লাভ হয় প্রায়ই overstatedNASA এর ক্ষেত্রে, যে কোনো টুল যা এর বিজ্ঞানীদের আরও দক্ষ হতে দেয় তা অবশ্যই স্বাগত জানাতে পারে। গ্রীষ্মে, এজেন্সি প্রায় 4,000 কর্মী হারিয়েছে – যা তার কর্মশক্তির প্রায় 20 শতাংশ – ট্রাম্প প্রশাসনের কাটছাঁটের কারণে। 2026-এ গিয়ে, রাষ্ট্রপতি এজেন্সির বিজ্ঞান বাজেট প্রায় অর্ধেক কমানোর প্রস্তাব করেছিলেন কংগ্রেস শেষ পর্যন্ত জানুয়ারির শুরুতে সেই পরিকল্পনা প্রত্যাখ্যান করার আগে। এখনও, এমনকি তার তহবিল 2025 স্তরের নীচে সংরক্ষিত থাকলেও, এজেন্সির সামনে একটি কঠিন রাস্তা রয়েছে। সঙ্গে চাঁদে ফিরতে বলা হচ্ছে কর্মশক্তির অর্ধেকেরও কম এটি অ্যাপোলো প্রোগ্রামের উচ্চতার সময় ছিল।
নৃতাত্ত্বিকদের জন্য, এদিকে, এটি একটি বড় কীর্তি। আপনি মনে করতে পারেন গত বসন্ত ক্লড এমনকি বীট করতে পারেনি পোকেমন লাল. এক বছরেরও কম সময়ে, কোম্পানির মডেলগুলি একটি সাধারণ 8-বিট গেম বয় গেম নেভিগেট করার জন্য সংগ্রাম থেকে শুরু করে দূরবর্তী গ্রহে একটি রোভারের জন্য একটি কোর্স সফলভাবে প্লট করেছে৷ NASA ভবিষ্যতের সহযোগিতার সম্ভাবনা নিয়ে উচ্ছ্বসিত, বলছে “স্বায়ত্তশাসিত AI সিস্টেমগুলি সৌরজগতের আরও দূরবর্তী অংশগুলি অন্বেষণ করতে সাহায্য করতে পারে।”
[ad_2]
