क्या हुआ?
नासा और आईबीएम ने लूनर फाउंडेशन मॉडल लॉन्च किया, जो Hugging Face पर एक सार्वजनिक रूप से उपलब्ध AI मॉडल है, जिसे आर्टेमिस कार्यक्रम के लिए चंद्र डेटा का विश्लेषण करने के लिए डिज़ाइन किया गया है। चार मिशनों में नौ उपकरणों के डेटा पर प्रशिक्षित मॉडल, क्रेटर और बर्फ जमा जैसी प्रमुख भौगोलिक विशेषताओं की पहचान करने में मौजूदा तरीकों से 23% तक बेहतर प्रदर्शन करने का दावा करता है।
नासा और आईबीएम ने गुरुवार को लूनर फाउंडेशन मॉडल लॉन्च किया, जिससे इसे Hugging Face प्लेटफॉर्म पर उपलब्ध कराया गया। सीएनईटी के अनुसार, मॉडल को आर्टेमिस कार्यक्रम का समर्थन करने के लिए दोनों संगठनों के शोधकर्ताओं द्वारा चुने गए दशकों के चंद्र अवलोकन डेटा पर प्रशिक्षित किया गया था।
मॉडल को विभिन्न उपकरणों में बड़े पैमाने पर डेटा पैटर्न की पहचान करने के लिए डिज़ाइन किया गया है, जो वैज्ञानिकों द्वारा मानचित्रों की मैन्युअल रूप से जांच करने या कम-रिज़ॉल्यूशन, कार्य-विशिष्ट मशीन लर्निंग मॉडल का उपयोग करने की पिछली आवश्यकता को प्रतिस्थापित करता है। आईबीएम और नासा का कहना है कि यह मॉडल क्रेटर, ज्वालामुखीय संरचनाओं और संभावित बर्फ जमाव जैसी प्रमुख भौगोलिक विशेषताओं की पहचान करने में व्यापक रूप से उपयोग किए जाने वाले तरीकों से 23% तक बेहतर प्रदर्शन करता है।
मॉडल के साथ-साथ, संगठनों ने अपनी तरह का पहला ओपन-सोर्स चंद्र डेटासेट जारी किया, जो चार चंद्र मिशनों में नौ उपकरणों द्वारा एकत्र किए गए हजारों मानचित्रों और छवियों को एक साथ लाता है। आईबीएम रिसर्च के वरिष्ठ अनुसंधान प्रबंधक कैंपबेल वॉटसन ने कहा कि मॉडल का ओपन-सोर्सिंग व्यापक वैज्ञानिक पहुंच और सहयोग की परंपरा को जारी रखता है।
यह क्यों मायने रखता है?
यह रिलीज़ वैज्ञानिक समुदाय को चंद्र अनुसंधान के लिए एक साझा, ओपन-सोर्स फाउंडेशन प्रदान करती है, जिससे प्रत्येक विशिष्ट कार्य के लिए नए सिरे से मॉडल बनाने की आवश्यकता समाप्त हो जाती है। दशकों के डेटा को एक सुलभ उपकरण में एकत्रित करके, यह बर्फ जमा जैसे महत्वपूर्ण संसाधनों की पहचान में तेजी लाता है, जो चंद्रमा पर मानव उपस्थिति को बनाए रखने के लिए आवश्यक हैं। यह कदम दोनों संगठनों के बीच व्यापक वैज्ञानिक पहुंच और सहयोग की लंबे समय से चली आ रही परंपरा को जारी रखता है।
यह रिलीज़ वैश्विक वैज्ञानिक समुदाय के लिए एक साझा आधार प्रदान करती है, जो शोधकर्ताओं को प्रत्येक विशिष्ट चंद्र प्रश्न के लिए नए एआई मॉडल बनाने के बजाय मौजूदा काम पर निर्माण करने की अनुमति देती है।
भौगोलिक सुविधा पहचान की सटीकता में सुधार करके, मॉडल सीधे आर्टेमिस कार्यक्रम की तार्किक और वैज्ञानिक आवश्यकताओं का समर्थन करता है, विशेष रूप से बर्फ जमा जैसे संसाधनों का पता लगाने में जो चंद्रमा पर भविष्य में मानव उपस्थिति के लिए महत्वपूर्ण हैं।
यह सहयोग एक महत्वपूर्ण बदलाव पर प्रकाश डालता है कि कैसे अंतरिक्ष एजेंसियां एआई का लाभ उठाती हैं, अलग-थलग, कार्य-विशिष्ट उपकरणों से व्यापक, ओपन-सोर्स फाउंडेशन मॉडल की ओर बढ़ रही हैं, जिन्हें खोजपूर्ण आवश्यकताओं की एक विस्तृत श्रृंखला के लिए अनुकूलित किया जा सकता है।
इंटरैक्टिव तंत्र: यह वास्तव में कैसे काम करता है
इस विकास के पीछे अंतर्निहित प्रौद्योगिकी का अंतःक्रियात्मक रूप से अन्वेषण करें।
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
आगे क्या देखना है
शोधकर्ता संभवतः नए चंद्र प्रश्नों के लिए मॉडल को अपनाना शुरू कर देंगे, जिससे संभावित रूप से संसाधन मानचित्रण में नई खोजें हो सकेंगी। पिछले तरीकों की तुलना में रिपोर्ट किए गए 23% सुधार की तुलना में वास्तविक दुनिया मिशन योजना में मॉडल का प्रदर्शन आर्टेमिस कार्यक्रम में इसकी व्यावहारिक उपयोगिता के लिए एक महत्वपूर्ण मीट्रिक होगा।
स्वतंत्र अनुसंधान समूहों द्वारा लूनर फाउंडेशन मॉडल को अपनाना और नए चंद्र प्रश्नों पर इसका अनुप्रयोग जो मूल प्रशिक्षण डेटा का हिस्सा नहीं थे।
चंद्र भौगोलिक विशेषताओं की पहचान करने में मौजूदा तरीकों की तुलना में 23% प्रदर्शन सुधार के दावे का स्वतंत्र सत्यापन।
ग्रह विज्ञान के लिए एक व्यापक पारिस्थितिकी तंत्र बनाने के लिए ओपन-सोर्स डेटासेट और मॉडल अन्य नासा और आईबीएम एआई प्रयासों, जैसे मौसम और पृथ्वी अवलोकन के लिए पृथ्वी परिवार के मॉडल के साथ कैसे एकीकृत होते हैं।