एआई मृत चट्टानों को विदेशी जीवन समझ सकता है, नई शोध चेतावनी देती है
वैज्ञानिकों ने एक एआई को अनुकरणीय जीवन रूपों पर परीक्षण किया और हर बार इसे मूर्ख बनाया। यह समस्या है अगर हम मंगल या शुक्र के बादलों में सूक्ष्मजीवों की खोज के लिए एआई का उपयोग करने की योजना बनाते हैं।
मुख्य बिंदु
- मिशिगन स्टेट यूनिवर्सिटी के शोधकर्ताओं ने एक एआई को एक परीक्षण अनुक्रम में लगभग 15 छोटे परिवर्तनों के भीतर आत्मविश्वास से गैर-जीवन को जीवन के रूप में गलत पहचान करने के लिए मूर्ख बनाया, हर बार।
- टीम ने तीन महीने के लिए 1,000 समानांतर कंप्यूटरों पर अपना प्रयोग चलाया, एविडा नामक एक प्रोग्राम का उपयोग करते हुए जो डिजिटल जीवों को प्रतिस्पर्धा और विकसित करने का अनुकरण करता है।
- मूल समस्या को "आउट-ऑफ-डिस्ट्रिब्यूशन" डेटा कहा जाता है: पृथ्वी के जीवन पर प्रशिक्षित एक एआई के पास विदेशी जीव विज्ञान के लिए कोई विश्वसनीय संदर्भ नहीं है, जो पूरी तरह से अलग दिख सकता है।
- नासा 2040 के दशक में हैबिटेबल वर्ल्ड्स ऑब्जर्वेटरी लॉन्च करने की योजना बना रहा है, जो हमारे सौर मंडल के बाहर ग्रहों पर जीवन के संकेत खोजने के लिए है, एक मिशन जो संभवतः एआई विश्लेषण पर भारी निर्भर करेगा।
- एडामी और गुप्ता अपनी निष्कर्षों को अगस्त में वाटरलू, कनाडा में 2026 कॉन्फ्रेंस ऑन आर्टिफिशियल लाइफ में प्रस्तुत करेंगे।
एक एआई जो आत्मविश्वास से जीवन की पहचान करता है जहां कोई नहीं है, एक मामूली खामी की तरह लगता है। भविष्य के मंगल मिशन पर, यह एक वैज्ञानिक सफलता और एक शर्मनाक झूठी अलर्ट के बीच का अंतर हो सकता है जो दुनिया भर में सुना जाता है।
क्रिस्टोफ एडामी, मिशिगन स्टेट यूनिवर्सिटी के एक कम्प्यूटेशनल जीवविज्ञानी, और उनके छात्र अंकित गुप्ता ने तीन महीने एक ऐसा परीक्षण चलाते हुए बिताया जो एआई-संचालित अंतरिक्ष अन्वेषण के बारे में उत्साहित किसी को भी चिंतित करना चाहिए। उनका उपकरण एविडा था, एक कंप्यूटर प्रोग्राम जिसे एडामी ने 1993 में बनाया था जो छोटे डिजिटल जीवों को चलाता है: कोड के स्निपेट जो खुद को कॉपी करते हैं, प्रोसेसिंग समय के लिए प्रतिस्पर्धा करते हैं, और यहां तक कि उत्परिवर्तन भी करते हैं, बिल्कुल पेट्री डिश में बैक्टीरिया की तरह।
एविडा में जीवों ने टीम को चीजों का एक बड़ा, स्वच्छ डेटासेट दिया जो जीवित हैं (प्रोग्राम के नियमों द्वारा) और जो नहीं हैं। उन्होंने एक एआई को उन्हें क्रमबद्ध करने के लिए कहा।
एआई शुरुआत में काफी अच्छा था। फिर शोधकर्ताओं ने गैर-जीवन के नमूनों को धकेलना शुरू किया, उनके आणविक अनुक्रमों को एक बार में एक छोटे कदम से समायोजित किया, हर बार जांच करते हुए कि क्या एआई का आत्मविश्वास बदल गया। परिणाम, जैसा कि Space.com द्वारा रिपोर्ट किया गया था, स्पष्ट थे।
"लगभग 15 परिवर्तनों के भीतर हम एआई को जीवन वर्गीकरण के लिए पूरी तरह आत्मविश्वास प्राप्त करा सकते हैं जब वास्तव में एक भी बार जब यह 100% आत्मविश्वास था, यह वास्तव में जीवन नहीं था," एडामी ने कहा।
इससे कोई फर्क नहीं पड़ता कि वह किस गैर-जीवन अनुक्रम से शुरू करते हैं, एआई को मूर्ख बनाया गया। हर बार।
अंतर्निहित कारण कुछ है जिसे शोधकर्ता "आउट-ऑफ-डिस्ट्रिब्यूशन" समस्या कहते हैं। इस तरह सोचें: अगर आप एक एआई को सेब पहचानने के लिए प्रशिक्षित करते हैं और फिर इसे एक केला दिखाते हैं, तो यह संघर्ष करता है। केला एक अपरिचित आकार है, और एआई के पास इसके लिए कोई अच्छा मानसिक मॉडल नहीं है। विदेशी सूक्ष्मजीव, अगर वे मौजूद हैं, पूरी तरह से पृथ्वी जीव विज्ञान पर प्रशिक्षित एक एआई के लिए उतने ही अजनबी हो सकते हैं।
यह वास्तविक मिशनों के लिए बहुत महत्वपूर्ण है। एक मंगल रोवर माइक्रोस्कोप के नीचे कुछ ऐसा खोजना जो स्पष्ट रूप से एक सूक्ष्मजीव की तरह दिखता है, एक बात है। लेकिन अधिकांश जीवन-खोज प्रयास बहुत अधिक अप्रत्यक्ष होंगे, मास स्पेक्ट्रोमेट्री का उपयोग करके, एक तकनीक जो अणुओं को उनके वजन को मापकर पहचानती है, शुक्र से वायुमंडलीय डेटा, बृहस्पति के चंद्रमा यूरोपा से महासागर के नमूने, या दर्जनों प्रकाश-वर्ष दूर ग्रहों से प्रकाश हस्ताक्षर के माध्यम से।
उस अस्पष्ट डेटा को केवल पृथ्वी के जीवन पर प्रशिक्षित एक एआई को दें, और आप एक आत्मविश्वास से भरा उत्तर पा सकते हैं जो बस गलत है।
"आप अंतरग्रहीय जीवन के साथ गारंटी नहीं दे सकते," एडामी ने सादे तरीके से कहा।
भविष्य के अंतरिक्ष मिशनों के लिए इसका क्या मतलब है?
इसका मतलब है कि एआई पहले पास का उपकरण होना चाहिए, अंतिम शब्द नहीं। एडामी खगोल जीव विज्ञान से पूरी तरह से एआई को छोड़ने के लिए आह्वान नहीं कर रहे हैं। वह मानते हैं कि इसका सेंसर डेटा की विशाल मात्रा के माध्यम से छंटाई में वास्तविक मूल्य है जो कोई भी मानव टीम पर्याप्त रूप से पढ़ नहीं सकता। चेतावनी अधिक विशिष्ट है: जानते हैं कि आपके एआई को किस पर प्रशिक्षित किया गया था, और जो यह नहीं जान सकता उसके बारे में ईमानदार रहें।
इसके बाद, टीम डिजिटल जीवों से परे जाने और वास्तविक दुनिया के रासायनिक डेटा पर समान परीक्षण चलाने की योजना बनाता है, एक कठिन और अधिक प्रकाशक चुनौती।
