Η διάσημη πρώτη εικόνα μιας μαύρης τρύπας μόλις έγινε δύο φορές πιο οξύ. Μια ερευνητική ομάδα χρησιμοποίησε τεχνητή νοημοσύνη για να βελτιωθεί δραματικά η πρώτη του εικόνα από το 2019, που δείχνει τώρα τη μαύρη τρύπα στο κέντρο του γαλαξία M87 πιο σκοτεινή και μεγαλύτερη από την πρώτη εικόνα που απεικονίζεται.
είμαι ενας αστρονόμος που μελετά και έχει γράψει για κοσμολογία, μαύρες τρύπες και εξωπλανήτες. Οι αστρονόμοι χρησιμοποιούν την τεχνητή νοημοσύνη εδώ και δεκαετίες. Μάλιστα, το 1990, αστρονόμοι από το Πανεπιστήμιο της Αριζόνα, όπου είμαι καθηγητής, ήταν μεταξύ των πρώτα να χρησιμοποιήσει έναν τύπο AI που ονομάζεται νευρωνικό δίκτυο να μελετήσει τα σχήματα των γαλαξιών.
Από τότε, η τεχνητή νοημοσύνη έχει εξαπλωθεί σε κάθε τομέα της αστρονομίας. Καθώς η τεχνολογία έχει γίνει πιο ισχυρή, οι αλγόριθμοι τεχνητής νοημοσύνης έχουν αρχίσει να βοηθούν τους αστρονόμους να δαμάσουν τεράστια σύνολα δεδομένων και να ανακαλύψουν νέες γνώσεις για το σύμπαν.
Καλύτερα τηλεσκόπια, περισσότερα δεδομένα
Όσο η αστρονομία ήταν επιστήμη, περιελάμβανε την προσπάθεια να κατανοήσουμε το πλήθος των αντικειμένων στον νυχτερινό ουρανό. Αυτό ήταν σχετικά απλό όταν τα μόνα εργαλεία ήταν το γυμνό μάτι ή ένα απλό τηλεσκόπιο, και το μόνο που μπορούσε να δει κανείς ήταν μερικές χιλιάδες αστέρια και μια χούφτα πλανήτες.
Πριν από εκατό χρόνια, ο Edwin Hubble χρησιμοποίησε νεότευκτα τηλεσκόπια για να δείξει ότι το σύμπαν είναι γεμάτο όχι μόνο με αστέρια και σύννεφα αερίου, αλλά αμέτρητους γαλαξίες. Καθώς τα τηλεσκόπια συνέχισαν να βελτιώνονται, ο τεράστιος αριθμός των ουράνιων αντικειμένων που μπορούν να δουν οι άνθρωποι και το ποσότητα δεδομένων Οι αστρονόμοι πρέπει να ταξινομήσουν και οι δύο έχουν αυξηθεί εκθετικά.
Για παράδειγμα, το σύντομα προς ολοκλήρωση Παρατηρητήριο Vera Rubin στη Χιλή θα κάνει τις εικόνες τόσο μεγάλες που θα χρειαζόταν 1.500 οθόνες τηλεόρασης υψηλής ευκρίνειας για να προβληθεί η καθεμία στο σύνολό της. Σε διάστημα 10 ετών αναμένεται να δημιουργήσει 0,5 exabyte δεδομένων – περίπου 50.000 φορές τον όγκο των πληροφοριών που υπάρχουν σε όλα τα βιβλία που περιέχονται στη Βιβλιοθήκη του Κογκρέσου.
Υπάρχουν 20 τηλεσκόπια με καθρέφτες με διάμετρο μεγαλύτερο από 20 πόδια (6 μέτρα). Οι αλγόριθμοι τεχνητής νοημοσύνης είναι ο μόνος τρόπος με τον οποίο οι αστρονόμοι θα μπορούσαν ποτέ να ελπίζουν ότι θα επεξεργαστούν όλα τα δεδομένα που έχουν στη διάθεσή τους σήμερα. Υπάρχουν διάφοροι τρόποι με τους οποίους το AI αποδεικνύεται χρήσιμο για την επεξεργασία αυτών των δεδομένων.
Μία από τις πρώτες χρήσεις της τεχνητής νοημοσύνης στην αστρονομία ήταν να ξεχωρίσει το πλήθος των αμυδρών γαλαξιών που κρύβονταν στο φόντο των εικόνων.
ESA/Webb, NASA & CSA, J. Rigby, CC BY
Επιλέγοντας μοτίβα
Η αστρονομία συχνά περιλαμβάνει την αναζήτηση βελόνων σε μια θημωνιά. Περίπου το 99% των εικονοστοιχείων σε μια αστρονομική εικόνα περιέχουν ακτινοβολία φόντου, φως από άλλες πηγές ή το σκοτάδι του διαστήματος – μόνο το 1% έχει τα λεπτά σχήματα αμυδρά γαλαξιών.
Οι αλγόριθμοι τεχνητής νοημοσύνης –ιδίως τα νευρωνικά δίκτυα που χρησιμοποιούν πολλούς διασυνδεδεμένους κόμβους και μπορούν να μάθουν να αναγνωρίζουν μοτίβα– είναι απόλυτα κατάλληλοι για την επιλογή των μοτίβων των γαλαξιών. Ξεκίνησαν οι αστρονόμοι χρησιμοποιώντας νευρωνικά δίκτυα για την ταξινόμηση των γαλαξιών στις αρχές της δεκαετίας του 2010. Τώρα οι αλγόριθμοι είναι τόσο αποτελεσματικά ότι μπορούν να ταξινομήσουν τους γαλαξίες με ακρίβεια 98%.
Αυτή η ιστορία έχει επαναληφθεί και σε άλλους τομείς της αστρονομίας. Οι αστρονόμοι που εργάζονται στο SETI, το Search for Extraterrestrial Intelligence, χρησιμοποιούν ραδιοτηλεσκόπια για να αναζητήσουν σήματα από μακρινούς πολιτισμούς. Από νωρίς, οι αστρονόμοι του ραδιοφώνου σάρωναν χάρτες με προσοχή ψάξτε για ανωμαλίες αυτό δεν μπορούσε να εξηγηθεί. Πιο πρόσφατα, οι ερευνητές αξιοποίησαν 150.000 προσωπικούς υπολογιστές και 1,8 εκατομμύρια πολίτες επιστήμονες για να αναζητήσουν τεχνητά ραδιοφωνικά σήματα. Τώρα, οι ερευνητές χρησιμοποιούν την τεχνητή νοημοσύνη για να κοσκινίσουν δέσμες δεδομένων πολύ πιο γρήγορα και διεξοδικά από ό,τι μπορούν οι άνθρωποι. Αυτό επέτρεψε στις προσπάθειες του SETI να καλύψουν περισσότερο έδαφος, ενώ παράλληλα μείωσε σημαντικά το αριθμός ψευδώς θετικών σημάτων.
Ένα άλλο παράδειγμα είναι η αναζήτηση για εξωπλανήτες. Οι αστρονόμοι ανακάλυψαν τα περισσότερα από τα 5.300 γνωστοί εξωπλανήτες μετρώντας μια βουτιά στην ποσότητα φωτός που προέρχεται από ένα αστέρι όταν ένας πλανήτης περνάει από μπροστά του. Τα εργαλεία AI μπορούν τώρα να διακρίνουν τα σημάδια ενός εξωπλανήτη με 96% ακρίβεια.
Τα εργαλεία τεχνητής νοημοσύνης μπορούν να βοηθήσουν τους αστρονόμους να ανακαλύψουν νέους εξωπλανήτες όπως ο TRAPPIST-1 b.
NASA, ESA, CSA, Joseph Olmsted (STScI), CC BY
Κάνοντας νέες ανακαλύψεις
Η τεχνητή νοημοσύνη έχει αποδειχθεί εξαιρετική στον εντοπισμό γνωστών αντικειμένων – όπως γαλαξίες ή εξωπλανήτες – που οι αστρονόμοι της λένε να αναζητήσει. Αλλά είναι επίσης αρκετά ισχυρό στην εύρεση αντικειμένων ή φαινομένων που θεωρούνται αλλά δεν έχουν ανακαλυφθεί ακόμη στον πραγματικό κόσμο.
Οι ομάδες έχουν χρησιμοποιήσει αυτήν την προσέγγιση για τον εντοπισμό νέους εξωπλανήτεςμάθετε για το προγονικά αστέρια που οδήγησε στο σχηματισμό και την ανάπτυξη του Γαλαξία μας και προβλέπουν τις υπογραφές νέων τύπων βαρυτικά κύματα.
Για να γίνει αυτό, οι αστρονόμοι χρησιμοποιούν πρώτα την τεχνητή νοημοσύνη για να μετατρέψουν θεωρητικά μοντέλα σε παρατηρητικές υπογραφές – συμπεριλαμβανομένων ρεαλιστικών επιπέδων θορύβου. Στη συνέχεια χρησιμοποιούν μηχανική μάθηση για να βελτιώσουν την ικανότητα της τεχνητής νοημοσύνης να ανιχνεύει τα προβλεπόμενα φαινόμενα.
Τέλος, οι αστρονόμοι του ραδιοφώνου χρησιμοποιούν επίσης αλγόριθμους τεχνητής νοημοσύνης για να κοσκινίζουν σήματα που δεν αντιστοιχούν σε γνωστά φαινόμενα. Πρόσφατα μια ομάδα από τη Νότια Αφρική βρήκε ένα μοναδικό αντικείμενο που μπορεί να είναι ένα κατάλοιπο της εκρηκτικής συγχώνευσης δύο υπερμεγέθων μαύρων τρυπών. Εάν αυτό αποδειχθεί αληθές, τα δεδομένα θα επιτρέψουν ένα νέο τεστ της γενικής σχετικότητας – του Άλμπερτ Αϊνστάιν περιγραφή του χωροχρόνου.
Η ομάδα που απεικόνισε για πρώτη φορά μια μαύρη τρύπα, στα αριστερά, χρησιμοποίησε την τεχνητή νοημοσύνη για να δημιουργήσει μια πιο ευκρινή εκδοχή της εικόνας, στα δεξιά, δείχνοντας ότι η μαύρη τρύπα είναι μεγαλύτερη από ό,τι είχε αρχικά θεωρηθεί.
Κάνοντας προβλέψεις και βουλώνοντας τρύπες
Όπως σε πολλούς τομείς της ζωής πρόσφατα, η τεχνητή νοημοσύνη και τα μεγάλα γλωσσικά μοντέλα όπως το ChatGPT προκαλούν επίσης κύματα στον κόσμο της αστρονομίας.
Η ομάδα που δημιούργησε την πρώτη εικόνα μιας μαύρης τρύπας το 2019 χρησιμοποίησε ένα γεννήτρια τεχνητή νοημοσύνη για να δημιουργήσει τη νέα της εικόνα. Για να το κάνει αυτό, πρώτα δίδαξε σε ένα AI πώς να αναγνωρίζει τις μαύρες τρύπες τροφοδοτώντας του προσομοιώσεις πολλών ειδών μαύρων τρυπών. Στη συνέχεια, η ομάδα χρησιμοποίησε το μοντέλο AI που είχε κατασκευάσει για να καλύψει τα κενά στον τεράστιο όγκο δεδομένων που συνέλεξαν τα ραδιοτηλεσκόπια στη μαύρη τρύπα M87.
Χρησιμοποιώντας αυτά τα προσομοιωμένα δεδομένα, η ομάδα κατάφερε να δημιουργήσει μια νέα εικόνα που είναι δύο φορές πιο ευκρινής από την αρχική και είναι πλήρως συνεπής με τις προβλέψεις της γενικής σχετικότητας.
Οι αστρονόμοι στρέφονται επίσης στην τεχνητή νοημοσύνη για να βοηθήσουν στην εξομάλυνση της πολυπλοκότητας της σύγχρονης έρευνας. Μια ομάδα από το Κέντρο Αστροφυσικής Harvard-Smithsonian δημιούργησε ένα γλωσσικό μοντέλο που ονομάζεται astroBERT να διαβάσει και να οργανώσει 15 εκατομμύρια επιστημονικές εργασίες για την αστρονομία. Μια άλλη ομάδα, με έδρα τη NASA, πρότεινε ακόμη και τη χρήση τεχνητής νοημοσύνης δίνουν προτεραιότητα σε έργα αστρονομίαςμια διαδικασία στην οποία συμμετέχουν οι αστρονόμοι κάθε 10 χρόνια.
Καθώς η τεχνητή νοημοσύνη έχει προχωρήσει, έχει γίνει ένα απαραίτητο εργαλείο για τους αστρονόμους. Καθώς τα τηλεσκόπια γίνονται καλύτερα, καθώς τα σύνολα δεδομένων μεγαλώνουν και καθώς τα AI συνεχίζουν να βελτιώνονται, είναι πιθανό αυτή η τεχνολογία να διαδραματίσει κεντρικό ρόλο στις μελλοντικές ανακαλύψεις για το σύμπαν.
Θέλετε να μάθετε περισσότερα για την τεχνητή νοημοσύνη, τα chatbots και το μέλλον της μηχανικής μάθησης; Δείτε την πλήρη κάλυψή μας για τεχνητή νοημοσύνηή περιηγηθείτε στους οδηγούς μας Οι καλύτερες δωρεάν γεννήτριες τέχνης AI και Όλα όσα γνωρίζουμε για το ChatGPT του OpenAI.
Κρις ΊμπιΔιακεκριμένος Καθηγητής Αστρονομίας του Πανεπιστημίου, Πανεπιστήμιο της Αριζόνα
Αυτό το άρθρο αναδημοσιεύεται από Η συζήτηση με άδεια Creative Commons. Διαβάστε το πρωτότυπο άρθρο.
