Опитвайки се да разберем Вселената, ние се обсебваме - привличаме ни жаждата за наблюдение. Сателитите предават стотици терабайти информация всяка година, а само един телескоп в Чили ще произвежда 15 терабайта космически изображения всяка вечер. Никой човек не може да се справи с тях ръчно. Както казва астрономът Карло Енрико Петрило, „Разглеждането на снимки от галактики е най-романтичната част от нашата работа. Проблемът е как да останете фокусирани. Следователно Петрило разработва ИИ, който ще му помогне.
Петрило и неговите колеги търсеха феномен, който по същество е космически телескоп. Когато масивен обект (галактика или черна дупка) се хване между далечен източник на светлина и наблюдател на Земята, той огъва пространство и светлина около него, създавайки леща, която позволява на астрономите да разгледат по-отблизо невероятно стари и далечни части на Вселената, скрити от нашия поглед. Този ефект се нарича гравитационно лещиране и тези лещи са ключът към разбирането от какво е изградена Вселената. Досега намирането им беше бавно и досадно.
Тук е необходим изкуствен интелект - а търсенето на гравитационни лещи е в самото начало. Както казва професорът от Станфорд Андрю Нг, способността на AI да автоматизира всичко, което "типичният човек може да направи за по-малко от една секунда от мисленето". По-малко от секунда може да не звучи много, но когато става въпрос за пресяване на големи количества данни, това е богиня.
Новата вълна от астрономи търси AI за нещо повече от просто сортиране на данни. Те изследват нещо, което би могло да бъде напълно нов начин за търсене на научни открития, където изкуственият интелект ще покаже части от Вселената, които никога не сме виждали.
Първо: гравитационни лещи. Общата теория на относителността на Айнщайн предвижда това явление още през 30-те години на миналия век, но първите примери се появяват чак през 1979 г. Защо? Защото пространството е много, много голямо и хората отнеха много време да го наблюдават, особено без съвременни телескопи. Ловът на гравитационни лещи беше предизвикателен.
„Лещите, които сега сме намерили по различни начини“, казва Лилия Уилямс, професор по астрофизика в Университета в Минесота. „Някои бяха открити случайно, хората търсеха нещо съвсем различно. Някои бяха намерени от хора, които ги търсеха, втори или трети път “.
Промоционално видео:
AI е много добър при гледане на снимки. Така Петрило и колегите му се обърнаха към любим инструмент на AI в Силиконовата долина: вид компютърна програма, съставена от цифрови „неврони“, моделирани по реални такива, които се стрелят в отговор на въвеждането. Нахранете в тези програми (невронни мрежи) много данни и те ще се научат да разпознават модели и модели. Те работят особено добре с визуалната информация и се използват в различни системи за машинно зрение - от камери в самостоятелно управлявани автомобили до разпознаване на лица в снимки във Facebook.
Както беше написано в статия, публикувана миналия месец, прилагането на тази технология за лов на гравитационни лещи беше изненадващо просто. Първо, учените направиха набор от данни за обучение на невронната мрежа - те генерираха 6 милиона фалшиви изображения с и без гравитационни лещи. След това подадохме данните си в невронната мрежа и го оставихме да разбере моделите. Малко ощипване и резултатът е програма, която разпознава гравитационните лещи по мигването на окото.
„Страхотен класификатор на човешкото лице анализира изображения със скорост хиляда на час“, казва Петрило. Една леща се намира приблизително веднъж на всеки 30 000 галактики. Следователно класификаторът ще трябва да работи без сън и почивка една седмица, за да намери само пет до шест обектива. Невронната мрежа, за сравнение, анализира 21 789 изображения само за 20 минути. И това е с един древен процесор.
Невронната мрежа не беше толкова точна, колкото компютърът. За да не пренебрегва обектива, й бяха дадени широки параметри. Тя излезе със 761 възможни кандидати, които хората проучиха и намали до 56. Потвърждавайки, че това са истински лещи, ще трябва да бъдат проверени и потвърдени, но Петрило вярва, че една трета ще бъде реална. Това е около една леща в минута в сравнение със сто лещи, открити от цялата научна общност през последните няколко десетилетия. Скоростта е невероятна, перспективите са огромни.
Намирането на тези лещи е от съществено значение за разбирането на една от големите загадки на астрономията: от какво е направена Вселената? Материята, която познаваме (планети, звезди, астероиди и др.) Представлява само 5% от цялата физическа материя, а други 95% са напълно недостъпни за нас. Тези 95% са представени от хипотетична материя - тъмна материя, която никога не сме наблюдавали пряко. Просто трябва да изучаваме гравитационното влияние, което оказва върху останалата част от Вселената, а гравитационните лещи служат като един от най-важните показатели.
Какво друго може да направи AI? Учените работят върху редица нови инструменти. Някои, като Петрило, поемат задачата за идентификация: класифицират например галактики. Други търсят потоци от данни за интересни сигнали. Някои невронни мрежи премахват изкуствените смущения за радиотелескоп, като изолират само полезни сигнали. Други се използват за идентифициране на пулсари, необичайни екзопланети или подобряване на телескопи с ниска разделителна способност. Накратко, има много потенциални приложения.
Тази експлозия се дължи отчасти на общите хардуерни тенденции, които разширяват полето на AI, като например наличието на евтина изчислителна мощност. Астрономите вече не е необходимо да седнат гащите си в безоблачни нощи, наблюдавайки движението на отделни планети; вместо това те използват сложна техника, която сканира едно по едно небето. Подобрените телескопи и технологии за съхранение на данни означават, че има още повече място за анализ, казва Уилямс.
Анализът на големи масиви от данни е това, което изкуственият интелект е чудесен. Можем да го научим да разпознава модели и да го накараме да работи неуморно и той никога няма да мигне или да греши.
Тревожат ли се астрономите, че се доверяват на машина, на която може да липсва човешко разбиране, за да открие нещо сензационно? Петрило казва не. "Като цяло хората са по-предубедени, по-малко ефективни и по-податливи на грешки от машините." Уилямс се съгласява. „Компютрите може да пропуснат определени неща, но системно ще ги пропускат.“Но докато знаем какво не знаят, можем да внедряваме автоматизирани системи без голям риск.
За някои астрономи потенциалът на AI надхвърля простото сортиране на данни. Те смятат, че изкуственият интелект може да се използва за създаване на информация, която запълва слепите петна в нашите наблюдения на Вселената.
Астрономът Кевин Шавински и неговият екип по астрофизика на галактики и черни дупки използват AI за подобряване на разделителната способност на замъглените изображения на телескопа. За тази цел те разгърнаха невронна мрежа, която генерира ненадминати вариации в изследваните данни, сякаш добър фалшификатор имитира стила на известен художник. Същите тези мрежи бяха използвани за създаване на фалшиви изображения на звездни изображения; фалшиви аудио диалози, симулиращи реални гласове; и други видове данни. Според Шавински подобни невронни мрежи създават информация, която по-рано е била недостъпна за нас.
В статия, публикувана от Шавински и неговия екип по-рано тази година, те показаха, че тези мрежи могат да подобрят качеството на космическите изображения. Те понижават качеството на изображенията на редица галактики, добавят шум и замъгляване и след това ги пренасят през невронни мрежи заедно с оригиналните изображения. Резултатът беше невероятен. Но учените все още не могат да го споделят.
Шавински е внимателен към проекта. В крайна сметка това противоречи на основните принципи на науката: можете да познавате Вселената само като я наблюдавате директно. "Поради тази причина този инструмент е опасен", казва той. И може да се използва само когато имаме точни данни и когато можем да проверим резултата. Можете да обучите невронна мрежа за генериране на данни за черните дупки и да я изпратите да работи в определена зона на небето, която беше слабо проучена досега. И ако тя намери черна дупка, астрономите ще трябва да потвърдят находката със собствените си ръце - какъвто е случаят с гравитационните лещи.
Ако тези методи се окажат ползотворни, те могат да станат изцяло нови методи за изследване, допълващи класическите компютърни симулации и доброто старо наблюдение. Засега всичко едва започва, но перспективите са много обещаващи. „Ако разполагахте с този инструмент, бихте могли да вземете всички данни от архивите, да подобрите някои от тях и да извлечете повече научна стойност.“Стойност, която преди не е имало. AI ще се превърне в научен алхимик, който ще ни помогне да превърнем старите знания в нови знания. И бихме могли да изследваме космоса както никога досега, без дори да напуснем Земята.
Иля Кел