Bandydami suprasti visatą, tampame apsėsti - mus traukia stebėjimo troškulys. Palydovai kasmet perduoda šimtus terabaitų duomenų informacijos, o tik vienas teleskopas Čilėje kas vakarą sukuria 15 terabaitų erdvės vaizdų. Joks žmogus negali jų valdyti rankiniu būdu. Kaip sako astronomas Carlo Enrico Petrillo, „galaktikų nuotraukų žiūrėjimas yra pati romantiškiausia mūsų darbo dalis. Problema yra ta, kaip išlaikyti dėmesį “. Todėl Petrillo kuria AI, kuris jam padės.
Petrillo ir jo kolegos ieškojo reiškinio, kuris iš esmės yra kosminis teleskopas. Kai masyvus objektas (galaktika ar juodoji skylė) užstringa tarp tolimojo šviesos šaltinio ir stebėtojo Žemėje, jis sulenkia erdvę ir šviesą aplink jį, sukurdamas objektyvą, leidžiantį astronomams atidžiau pažvelgti į neįtikėtinai senas ir tolimas visatos dalis, paslėptas mūsų akimis. Šis efektas vadinamas gravitaciniu lęšiu, o šie lęšiai yra raktas norint suprasti, iš ko sudaryta visata. Iki šiol juos rasti buvo lėtai ir nuobodu.
- „Salik.biz“
Čia reikia dirbtinio intelekto - ir gravitacinių lęšių paieška yra pati pradžia. Kaip teigė Stanfordo profesorius Andrew Ng, AI sugebėjimas automatizuoti viską, ką „tipiškas žmogus gali padaryti per mažiau nei vieną sekundę mąstymo“. Mažiau nei sekundė gali neskambėti kaip daug, tačiau, kai reikia atsijoti didelius duomenų kiekius, tai yra dievobaimė.
Naujoji astronomų banga AI žvelgia ne tik į duomenų rūšiuotoją. Jie tyrinėja tai, kas galėtų būti visiškai naujas būdas ieškoti mokslinių atradimų, kur dirbtinis intelektas parodys visatos dalis, kurių mes niekada nematėme.
Bet pirmiausia: gravitaciniai lęšiai. Einšteino bendroji reliatyvumo teorija šį reiškinį numatė dar 1930-aisiais, tačiau pirmieji pavyzdžiai pasirodė tik 1979 m. Kodėl? Kadangi vietos yra labai, labai daug, ir žmonės ilgai laukė jos stebėjimo, ypač be šiuolaikinių teleskopų. Gravitacinių lęšių medžioklė buvo sudėtinga.
„Objektyvai, kuriuos mes dabar atradome, buvo rasti įvairiais būdais“, - sako Minesotos universiteto astrofizikos profesorė Lilia Williams. „Kai kurie buvo aptikti atsitiktinai, žmonės ieškojo kažko visiškai kito. Kai kuriuos rado žmonės, kurie jų ieškojo, antrą ar trečią kartą “.
Reklaminis vaizdo įrašas:
PG labai gerai žiūri į nuotraukas. Taigi Petrillo ir jo kolegos kreipėsi į mylimą AI įrankį Silicio slėnyje: kompiuterio programos tipą, sudarytą iš skaitmeninių „neuronų“, modeliuotų po realiaisiais, kurie šauna reaguodami į įvestį. Pateikite šioms programoms (neuroniniams tinklams) daug duomenų ir jie išmoks atpažinti modelius ir modelius. Jie ypač gerai dirba su vaizdine informacija ir yra naudojami įvairiose mašinio matymo sistemose - pradedant nuo savarankiškai važiuojančių automobilių kamerų ir baigiant veido atpažinimu nuotraukose „Facebook“.
Kaip buvo parašyta praėjusį mėnesį paskelbtame straipsnyje, šią technologiją pritaikyti medžiojant gravitacinius lęšius buvo stebėtinai paprasta. Pirmiausia, mokslininkai sudarė duomenų rinkinį, kad išmokytų neuroninį tinklą - jie sukūrė 6 milijonus suklastotų vaizdų su gravitaciniais lęšiais ir be jų. Tada mes įdėjome duomenis į nervų tinklą ir palikome išsiaiškinti modelius. Šiek tiek pakoreguokite ir rezultatas yra programa, atpažįstanti gravitacinius lęšius akimirksniu.
„Puikus žmogaus veido klasifikatorius atvaizdus analizuoja tūkstančio per valandą greičiu“, - sako Petrillo. Vienas lęšis aptinkamas maždaug kartą per 30 000 galaktikų. Todėl klasifikatoriui savaitę teks dirbti be miego ir pailsėti, kad būtų galima rasti tik nuo penkių iki šešių objektyvų. Palyginimui, nervų tinklas per 20 minučių išanalizuoja 21 789 vaizdus. Tai yra su vienu senoviniu procesoriumi.
Neuroninis tinklas nebuvo toks tikslus kaip kompiuterio. Kad ji nepastebėjo objektyvo, jai buvo suteikti platūs parametrai. Ji sugalvojo 761 galimą kandidatą, kuriuos žmonės ištyrė ir sumažino iki 56. Tvirtinant, kad tai yra tikri lęšiai, teks įsitikinti ir patvirtinti, tačiau Petrillo mano, kad trečdalis bus tikras. Tai yra maždaug vienas objektyvas per minutę, palyginti su šimtu objektyvų, kuriuos per pastaruosius kelis dešimtmečius atrado visa mokslo bendruomenė. Greitis neįtikėtinas, perspektyvos didžiulės.
Rasti šiuos lęšius būtina norint suprasti vieną iš didžiausių astronomijos paslapčių: iš ko sudaryta visata? Medžiaga, kurią mes žinome (planetos, žvaigždės, asteroidai ir tt), sudaro tik 5% visos fizinės medžiagos, o dar 95% mums yra visiškai neprieinama. Šią 95% sudaro hipotetinė medžiaga - tamsiosios medžiagos, kurios mes niekada tiesiogiai nepastebėjome. Mes tiesiog turime ištirti gravitacinę įtaką, kurią ji daro likusiai visatai, o gravitaciniai lęšiai tarnauja kaip vienas iš svarbiausių rodiklių.
Ką dar gali padaryti AI? Mokslininkai dirba prie daugybės naujų priemonių. Kai kurie, pavyzdžiui, Petrillo, prisiima identifikavimo užduotį: jie, pavyzdžiui, klasifikuoja galaktikas. Kiti ieško įdomių signalų srautus. Kai kurie neuroniniai tinklai pašalina dirbtinius radijo teleskopo trukdžius, išskirdami tik naudingus signalus. Kiti buvo naudojami pulsarams, neįprastoms egzoplanetoms identifikuoti ar mažos skiriamosios gebos teleskopams pagerinti. Trumpai tariant, yra daug galimų naudojimo būdų.
Šis sprogimas iš dalies įvyko dėl bendrųjų aparatūros tendencijų, kurios plečia AI sritį, pavyzdžiui, dėl pigios skaičiavimo galios. Astronomams nebereikia kelti kelnių be debesų naktimis, stebint atskirų planetų judėjimą; vietoj to, jie naudojasi sudėtinga technika, kuri vienas po kito nuskaito dangų. Patobulintos teleskopai ir duomenų saugojimo technologijos reiškia, kad yra dar daugiau galimybių analizuoti, sako Williamsas.
Didelis duomenų rinkinių analizė yra tas, kas yra puikus dirbtinis intelektas. Mes galime išmokyti jį atpažinti modelius ir priversti jį dirbti nenuilstamai, jis niekada nemirks ir nepadarys klaidų.
Ar astronomai nerimauja, kad pasitiki mašina, kuriai gali trūkti žmogaus supratimo, kad galėtų aptikti kažką sensacingo? Petrillo sako ne. "Apskritai, žmonės yra šališkesni, mažiau efektyvūs ir labiau linkę į klaidas nei mašinos." Williamsas sutinka. "Kompiuteriai gali praleisti tam tikrus dalykus, tačiau sistemingai jų praleis". Tačiau kol žinome, ko jie nežino, galime diegti automatizuotas sistemas be didesnės rizikos.
Kai kuriems astronomams AI galimybės viršija paprastą duomenų rūšiavimą. Jie tiki, kad dirbtinis intelektas gali būti panaudotas kuriant informaciją, kuri užpildo akląsias vietas mūsų stebint visatą.
Astronomas Kevinas Schawinskis su komanda galaktikų ir juodųjų skylių astrofizikoje naudoja AI, kad pagerintų neryškų teleskopo vaizdų skiriamąją gebą. Šiuo tikslu jie įdiegė neuroninį tinklą, generuojantį neprilygstamus tiriamų duomenų variantus, tarsi geras klastotojas imituotų garsaus menininko stilių. Tie patys tinklai buvo naudojami kuriant netikrus žvaigždžių vaizdų vaizdus; netikri garso dialogai, imituojantys tikrus balsus; ir kiti duomenų tipai. Anot Shavinsky, tokie neuroniniai tinklai sukuria informaciją, kuri anksčiau mums buvo neprieinama.
Šių metų pradžioje Shavinsky'io ir jo komandos paskelbtame dokumente jie parodė, kad šie tinklai gali pagerinti vaizdų iš kosmoso kokybę. Jie pablogino daugybės galaktikų vaizdų kokybę, pridėjo triukšmą ir suliejimą, o vėliau kartu su originaliais vaizdais perdavė juos per neuroninius tinklus. Rezultatas buvo nuostabus. Tačiau mokslininkai kol kas negali tuo pasidalinti.
Shawinski yra atsargus dėl projekto. Galų gale, tai prieštarauja pagrindiniams mokslo principams: jūs galite pažinti visatą tik tiesiogiai ją stebėdami. „Dėl šios priežasties ši priemonė yra pavojinga“, - sako jis. Jis gali būti naudojamas tik tada, kai turime tikslius duomenis ir kai galime patikrinti rezultatą. Galite išmokyti neuroninį tinklą generuoti duomenis apie juodąsias skyles ir siųsti juos dirbti į tam tikrą dangaus plotą, kuris iki šiol buvo mažai ištirtas. Ir jei ji aptinka juodąją skylę, astronomai turės patvirtinti radinį savo rankomis - kaip tai daroma su gravitaciniais lęšiais.
Jei šie metodai pasirodys esą vaisingi, jie gali tapti visiškai naujais tyrimo metodais, papildančiais klasikinius kompiuterinius modeliavimus ir senus gerus stebėjimus. Kol kas viskas tik prasideda, tačiau perspektyvos labai viltingos. "Jei turėtumėte šį įrankį, galėtumėte paimti visus duomenis iš archyvų, patobulinti juos ir išgauti daugiau mokslinės naudos". Vertė, kurios anksčiau nebuvo. AI taps moksliniu alchemiku, kuris padės mums paversti senas žinias naujomis žiniomis. Ir mes galėjome tyrinėti kosmosą kaip niekad anksčiau, net neišėję iš Žemės.
Ilja Khel