जगभरातील प्राचीन संस्कृतीच्या लोकांना (पृथ्वी सोडून) पाच ग्रहांची माहिती होती – बुध, शुक्र, मंगळ, गुरू, आणि शनी कारण हे ग्रह साध्या डोळ्यांनी बघता येतात. युरेनस आणि नेपच्युन यांचा शोध अठराव्या आणि एकोणविसाव्या शतकात दुर्बिणींच्या वापरातून लागला. आज मोठमोठ्या वेधशाळा आणि अंतराळदुर्बिणी आकाशगंगेतील इतर ताऱ्यांजवळच्या ग्रहांचा शोध लावत आहेत आणि त्यासाठी कृत्रिम बुद्धिमत्ता महत्त्वाची ठरते आहे.

या बातमीसह सर्व प्रीमियम कंटेंट वाचण्यासाठी साइन-इन करा
Skip
या बातमीसह सर्व प्रीमियम कंटेंट वाचण्यासाठी साइन-इन करा

आकाशगंगेत १०० अब्जांहून अधिक तारे आहेत आणि बाह्यग्रहांची संख्या ४० अब्जांहून अधिक असण्याची शक्यता आहे. यातील अनेक तारे शेकडो प्रकाशवर्षे दूर असल्यामुळे त्यांच्याजवळच्या परग्रहांचा शोध लावणे सोपे नाही. परग्रहांचा शोध लावण्याची प्रचलित पद्धत म्हणजे ग्रहाचे ताऱ्यासोबत संक्रमण होत असताना ताऱ्याच्या तेजस्वितेत घडणाऱ्या बदलांची नोंद घेणे आणि हे बदल ठरावीक काळानंतर परत घडतात का ते बघणे. या पद्धतीत अनेक अडचणी येतात ज्यामुळे अंदाज चुकू शकतात. एक्झोमायनर नावाचे यंत्रशिक्षण प्रारूप (मशीन लर्निंग मॉडेल) परग्रहांचा शोध लावण्यात यशस्वी ठरते आहे.

आणखी वाचा

हे प्रारूप कॉनव्होल्यूशनल न्युरल नेटवर्कवर आधारित आहे. छायाचित्रांचे वर्गीकरण करण्यासाठी, त्यांच्यातील परस्परसंबंध ओळखण्यासाठी ही पद्धत वापरली जाते. एक्झोमायनर अंदाजांची गुणवत्ता वाढवण्यासाठी ‘मल्टिप्लिसिटी बूस्ट’ पद्धतीचा वापर करते. या पद्धतीत ताऱ्याजवळ एकापेक्षा अधिक परग्रह असतील तर त्याचा निरीक्षणांवर काय प्रभाव पडेल याची संभाव्यता बघितली जाते. या पद्धतींचा वापर करून एक्झोमायनरने ३००हून अधिक परग्रहांचा शोध लावला आहे. दुसरीकडे परग्रहांवर जीवसृष्टीचा शोध लावण्यासाठीदेखील कृत्रिम बुद्धिमत्तेची साथ मोलाची ठरते आहे. जगभरातील शास्त्रज्ञ रेडिओ दुर्बिणींचा वापर करून परग्रहांकडून कुठला वेगळ्या पद्धतीचा रेडिओ संदेश येतो का याकडे लक्ष ठेवतात. टोरँटो विद्यापीठाने कृत्रिम बुद्धिमत्तेचे एक प्रारूप तयार केले आहे जे परग्रहांकडून येणारा संभाव्य कृत्रिम संदेश आणि नैसर्गिक कारणांमुळे येणारा आवाज यातील फरक ओळखू शकेल. या पद्धतीत प्रारूपाला प्रशिक्षण देण्यासाठी सिम्युलेशनचा वापर करून कृत्रिम आणि नैसर्गिक संदेश कसे असतील याचा संग्रह बनवला जातो. ‘कार्नीगे इन्स्टिट्यूट ऑफ सायन्स’मधील शास्त्रज्ञांनी भूगर्भशास्त्रीय नमुन्यांत जीवसृष्टीची चिन्हे शोधू शकेल असे प्रारूप तयार केले आहे. त्याची अचूकता ९० टक्के असल्याचे दिसून आले आहे. मंगळावर रोव्हर जे नमुने गोळा करत आहेत त्यांची चाचणी करण्यासाठी या प्रारूपाचा वापर होऊ शकतो.

आकाशगंगेत १०० अब्जांहून अधिक तारे आहेत आणि बाह्यग्रहांची संख्या ४० अब्जांहून अधिक असण्याची शक्यता आहे. यातील अनेक तारे शेकडो प्रकाशवर्षे दूर असल्यामुळे त्यांच्याजवळच्या परग्रहांचा शोध लावणे सोपे नाही. परग्रहांचा शोध लावण्याची प्रचलित पद्धत म्हणजे ग्रहाचे ताऱ्यासोबत संक्रमण होत असताना ताऱ्याच्या तेजस्वितेत घडणाऱ्या बदलांची नोंद घेणे आणि हे बदल ठरावीक काळानंतर परत घडतात का ते बघणे. या पद्धतीत अनेक अडचणी येतात ज्यामुळे अंदाज चुकू शकतात. एक्झोमायनर नावाचे यंत्रशिक्षण प्रारूप (मशीन लर्निंग मॉडेल) परग्रहांचा शोध लावण्यात यशस्वी ठरते आहे.

आणखी वाचा

हे प्रारूप कॉनव्होल्यूशनल न्युरल नेटवर्कवर आधारित आहे. छायाचित्रांचे वर्गीकरण करण्यासाठी, त्यांच्यातील परस्परसंबंध ओळखण्यासाठी ही पद्धत वापरली जाते. एक्झोमायनर अंदाजांची गुणवत्ता वाढवण्यासाठी ‘मल्टिप्लिसिटी बूस्ट’ पद्धतीचा वापर करते. या पद्धतीत ताऱ्याजवळ एकापेक्षा अधिक परग्रह असतील तर त्याचा निरीक्षणांवर काय प्रभाव पडेल याची संभाव्यता बघितली जाते. या पद्धतींचा वापर करून एक्झोमायनरने ३००हून अधिक परग्रहांचा शोध लावला आहे. दुसरीकडे परग्रहांवर जीवसृष्टीचा शोध लावण्यासाठीदेखील कृत्रिम बुद्धिमत्तेची साथ मोलाची ठरते आहे. जगभरातील शास्त्रज्ञ रेडिओ दुर्बिणींचा वापर करून परग्रहांकडून कुठला वेगळ्या पद्धतीचा रेडिओ संदेश येतो का याकडे लक्ष ठेवतात. टोरँटो विद्यापीठाने कृत्रिम बुद्धिमत्तेचे एक प्रारूप तयार केले आहे जे परग्रहांकडून येणारा संभाव्य कृत्रिम संदेश आणि नैसर्गिक कारणांमुळे येणारा आवाज यातील फरक ओळखू शकेल. या पद्धतीत प्रारूपाला प्रशिक्षण देण्यासाठी सिम्युलेशनचा वापर करून कृत्रिम आणि नैसर्गिक संदेश कसे असतील याचा संग्रह बनवला जातो. ‘कार्नीगे इन्स्टिट्यूट ऑफ सायन्स’मधील शास्त्रज्ञांनी भूगर्भशास्त्रीय नमुन्यांत जीवसृष्टीची चिन्हे शोधू शकेल असे प्रारूप तयार केले आहे. त्याची अचूकता ९० टक्के असल्याचे दिसून आले आहे. मंगळावर रोव्हर जे नमुने गोळा करत आहेत त्यांची चाचणी करण्यासाठी या प्रारूपाचा वापर होऊ शकतो.