Yrittäessään ymmärtää maailmankaikkeutta, olemme pakkomielle - meitä houkuttelee jano havaintoihin. Satelliitit lähettävät vuosittain satoja teratavuja datatietoja, ja vain yksi kaukoputki Chilessä tuottaa 15 teratavua avaruuskuvia joka ilta. Kukaan ihminen ei voi käsitellä niitä käsin. Tähtitieteilijä Carlo Enrico Petrillo sanoo:”galaksien kuvien katseleminen on työmme romanttisin osa. Ongelmana on, kuinka pysyä keskittyneenä. Siksi Petrillo kehittää AI: tä, joka auttaa häntä.
Petrillo ja hänen kollegansa etsivät ilmiötä, joka on lähinnä avaruusteleskooppi. Kun massiivinen esine (galaksi tai musta reikä) tarttuu kaukaisen valonlähteen ja maan päällä olevan tarkkailijan väliin, se taipuu tilaa ja valoa ympärilleen, jolloin syntyy linssi, jonka avulla tähtitieteilijät voivat tarkastella lähemmin uskomattoman vanhoja ja kaukana olevia maailmankaikkeuden osia, jotka ovat piilotetut näkymästämme. Tätä vaikutusta kutsutaan gravitaatiolinssiksi ja nämä linssit ovat avain ymmärtääksesi mitä maailmankaikkeus on tehty. Tähän asti heidän löytäminen on ollut hidasta ja työlästä.
Täällä tarvitaan tekoälyä - ja gravitaatiolinssien etsiminen on aivan alkua. Kuten Stanfordin professori Andrew Ng totesi, AI: n kyky automatisoida kaikki, mitä "tyypillinen ihminen voi tehdä alle sekunnin ajattelussa". Alle sekunti ei ehkä kuulosta paljoalta, mutta seulominen suurten tietomäärien läpi on jumalallinen.
Uusi tähtitieteilijöiden aalto tarkastelee AI: ta muutakin kuin vain tietojen lajittelijaa. He tutkivat jotain, joka voisi olla täysin uusi tapa etsiä tieteellisiä löytöjä, joissa tekoäly näyttää ne maailmankaikkeuden osat, joita emme ole koskaan nähneet.
Mutta ensin: painovoimalinssit. Einsteinin yleinen suhteellisuusteoria ennustaa tämän ilmiön jo 1930-luvulla, mutta ensimmäiset esimerkit ilmestyivät vasta vuonna 1979. Miksi? Koska tila on erittäin, erittäin suuri, ja ihmisten kesti kauan sen havaitsemiseen, etenkin ilman moderneja kaukoputkia. Painovoimalinssien metsästys oli haastavaa.
"Nykyiset linssit on löydetty monin tavoin", sanoo Miliatesin yliopiston astrofysiikan professori Lilia Williams.”Jotkut löydettiin vahingossa, ihmiset etsivät jotain täysin erilaista. Jotkut löysivät ihmiset etsivät niitä toista tai kolmatta kertaa."
Mainosvideo:
AI on erittäin hyvä katsomaan kuvia. Joten Petrillo ja hänen kollegansa kääntyivät rakastettuun AI-työkaluun Piilaaksossa: tietyn tyyppinen tietokoneohjelma, joka koostuu digitaalisista "neuroneista", jotka on mallinnettu oikeiden jälkeen, jotka tulevat vasteena syötteeseen. Syötä näille ohjelmille (hermoverkot) paljon tietoa ja he oppivat tunnistamaan kuviot ja kuviot. Ne toimivat erityisen hyvin visuaalisen tiedon kanssa ja niitä käytetään erilaisissa konenäköjärjestelmissä - itse ajavien autojen kameroista kasvojen tunnistukseen Facebookin kuvissa.
Kuten viime kuussa julkaistussa artikkelissa kirjoitettiin, tämän tekniikan soveltaminen gravitaatiolinssien metsästykseen oli yllättävän yksinkertaista. Ensinnäkin, tutkijat tekivät tietoaineiston hermoverkon kouluttamiseksi - he tuottivat 6 miljoonaa väärennettyä kuvaa gravitaatiolinsseillä ja ilman niitä. Sitten syötimme tietomme hermoverkkoon ja jätimme sen selvittämään kuviot. Hieman säätämistä ja tuloksena on ohjelma, joka tunnistaa painovoimalinssit silmänräpäyksessä.
"Suuri ihmisluokan luokittelulaite jäsentää kuvia tuhannen tunnissa nopeudella", Petrillo sanoo. Yksi linssi löytyy suunnilleen kerran 30 000 galaksista. Siksi luokittelijan on työskenneltävä ilman nukkumista ja lepoa viikon ajan löytääkseen vain viisi tai kuusi linssiä. Verrattuna hermoverkko jäsentää 21 789 kuvaa vain 20 minuutissa. Ja tämä on yhden muinaisen prosessorin kanssa.
Neuraaliverkko ei ollut yhtä tarkka kuin tietokone. Joten hän ei huomannut objektiivia, hänelle annettiin laajat parametrit. Hän keksi 761 mahdollista ehdokasta, jotka ihmiset tutkittiin ja vähennettiin 56: een. Vahvistaminen, että nämä ovat todellisia linssejä, on tarkistettava ja vahvistettava, mutta Petrillo uskoo, että kolmasosa osoittautuu todellisiksi. Se on noin yksi linssi minuutissa, verrattuna sataan linssiin, jotka koko tiedeyhteisö on löytänyt viime vuosikymmenien aikana. Nopeus on uskomaton, näkymät ovat valtavat.
Näiden linssien löytäminen on välttämätöntä ymmärtääksesi yhtä tähtitieteen suurista mysteereistä: mistä maailmankaikkeus on tehty? Asia, jonka tiedämme (planeetat, tähdet, asteroidit jne.) Edustaa vain 5% kaikesta fyysisestä aineesta, ja toinen 95% on meille täysin saavuttamaton. Tätä 95 prosenttia edustaa hypoteettinen aine - tumma aine, jota emme ole koskaan tarkkailleet suoraan. Meidän on vain tutkittava sen painovoimavaikutusta, joka sillä on muuhun maailmankaikkeuteen, ja painovoimalinssit toimivat yhtenä tärkeimmistä indikaattoreista.
Mitä muuta AI voi tehdä? Tutkijat työskentelevät useiden uusien työkalujen parissa. Jotkut, kuten Petrillo, ryhtyvät tunnistamiseen: ne luokittelevat esimerkiksi galaksit. Toiset hakevat tietovirtoja mielenkiintoisten signaalien saamiseksi. Jotkut hermoverkot poistavat radioteleskoopin keinotekoiset häiriöt eristämällä vain hyödylliset signaalit. Muita on käytetty tunnistamaan pulsareita, epätavallisia eksoplaneetteja tai parantamaan matalan resoluution kaukoputkia. Lyhyesti sanottuna, potentiaalisia käyttötarkoituksia on monia.
Tämä räjähdys johtuu osittain yleisistä laitteistosuuntauksista, jotka laajentavat AI-kenttää, kuten halvan laskentatehon saatavuudesta. Tähtitieteilijöiden ei enää tarvitse istua housuistaan pilvetöminä öinä tarkkailemalla yksittäisten planeettojen liikkumista; sen sijaan he käyttävät hienostunutta tekniikkaa, joka skannaa taivaan yksi kerrallaan. Parannetut kaukoputket ja tiedontallennustekniikat tarkoittavat, että analyysitilaa on vielä enemmän, Williams sanoo.
Keinotekoinen älykkyys on suuri suurten tietojoukkojen analysointi. Voimme opettaa häntä tunnistamaan kuviot ja saamaan hänet työskentelemään väsymättä, eikä hän koskaan vilkku tai tee virheitä.
Ovatko tähtitieteilijät huolissaan luottavansa koneeseen, jolla saattaa puuttua ihmisen ymmärrystä havaita jotain sensaatiomaista? Petrillo sanoo ei. "Yleensä ihmiset ovat puolueellisempia, vähemmän tehokkaita ja alttiimpia virheille kuin koneet." Williams on samaa mieltä. "Tietokoneet saattavat kaipata tiettyjä asioita, mutta ne kaipavat niitä järjestelmällisesti." Mutta niin kauan kuin tiedämme mitä he eivät tiedä, voimme ottaa käyttöön automatisoituja järjestelmiä ilman suurta riskiä.
Joillekin tähtitieteilijöille AI: n potentiaali ylittää yksinkertaisen tietojen lajittelun. He uskovat, että tekoälyä voidaan käyttää luomaan tietoa, joka täyttää sokeat alueet maailmankaikkeuden havainnoissamme.
Astronomi Kevin Schawinski ja hänen galaksien ja mustien reikien astrofysiikan tutkimusryhmänsä käyttävät AI: tä epäterävien teleskooppikuvien tarkkuuden parantamiseksi. Tätä varten he käyttivät hermoverkkoa, joka tuottaa vertaansa vailla olevia variaatioita tutkittavissa olevissa tiedoissa, ikään kuin hyvä väärentäjä jäljittelisi kuuluisan taiteilijan tyyliä. Näitä samoja verkkoja käytettiin väärennettyjen tähtikuvien luomiseen; vääriä audiodialogeja, jotka simuloivat oikeita ääniä; ja muun tyyppisiä tietoja. Shavinskyn mukaan sellaiset hermoverkot luovat tietoa, johon meille ei aiemmin ollut pääsyä.
Shavinskyn ja hänen tiiminsä aiemmin tänä vuonna julkaisemassa lehdessä he osoittivat, että nämä verkot voivat parantaa avaruuskuvien laatua. Ne heikensivät useiden galaksien kuvien laatua, lisäsivät kohinaa ja epäselvyyttä ja kuljettivat sitten neuroverkkojen läpi alkuperäisten kuvien mukana. Tulos oli uskomaton. Mutta tutkijat eivät voi vielä jakaa sitä.
Shawinski on varovainen projektin suhteen. Loppujen lopuksi se on tieteen perusoppien vastaista: voit tuntea maailmankaikkeuden vain tarkkailemalla sitä suoraan. "Tästä syystä tämä työkalu on vaarallinen", hän sanoo. Sitä voidaan käyttää vain, kun meillä on tarkkoja tietoja ja kun voimme varmistaa tuloksen. Voit kouluttaa hermoverkon tuottamaan tietoja mustista reikistä ja lähettää sen työskentelemään tietyllä taivaan alueella, jota on tähän mennessä tutkittu huonosti. Ja jos hän löytää mustan aukon, tähtitieteilijöiden on vahvistettava löytö omilla käsillään - kuten gravitaatiolinssien kohdalla.
Jos nämä menetelmät osoittautuvat hedelmällisiksi, niistä voi tulla kokonaan uusia tutkimusmenetelmiä, jotka täydentävät klassisia tietokonesimulaatioita ja vanhaa hyvää havaintoa. Toistaiseksi kaikki on vasta alkamassa, mutta näkymät ovat erittäin lupaavat. "Jos sinulla olisi tämä työkalu, voit ottaa kaikki tiedot arkistoista, parantaa joitain niistä ja saada lisää tieteellistä arvoa." Arvo, jota ei ollut siellä ennen. AI: stä tulee tieteellinen alkemisti, joka auttaa meitä muuttamaan vanhan tiedon uuteen tietoon. Ja voimme tutkia avaruutta kuin koskaan ennen edes poistumatta Maasta.
Ilja Khel