Mēģinot izprast Visumu, mēs kļūstam apsēsti - mūs pievilina novērošanas slāpes. Satelīti katru gadu pārsūta simtiem terabaitu datu informācijas, un tikai viens teleskops Čīlē katru nakti ražos 15 terabaitus kosmosa attēlu. Neviens cilvēks nevar ar tām rīkoties manuāli. Kā saka astronoms Karlo Enriko Petrillo: “Galaktiku attēlu skatīšana ir romantiskākā mūsu darba sastāvdaļa. Problēma ir tā, kā palikt koncentrētam. Tāpēc Petrillo izstrādā AI, kas viņam palīdzēs.
Petrillo un viņa kolēģi meklēja parādību, kas būtībā ir kosmiskais teleskops. Kad masīvs objekts (galaktika vai melnais caurums) tiek noķerts starp tālu gaismas avotu un novērotāju uz Zemes, tas saliec telpu un gaismu ap to, izveidojot objektīvu, kas ļauj astronomiem tuvāk aplūkot neticami vecās un tālās Visuma daļas, kas paslēptas no mūsu skata. Šo efektu sauc par gravitācijas objektīvu, un šie objektīvi ir atslēga, lai saprastu, no kā sastāv Visums. Līdz šim to atrašana ir bijusi lēna un garlaicīga.
Šeit ir nepieciešams mākslīgais intelekts - un gravitācijas lēcu meklēšana ir pats sākums. Kā izteicies Stenfordas profesors Endrjū Ngs, AI spēja automatizēt visu, ko "tipisks cilvēks var izdarīt mazāk nekā vienā domāšanas sekundē". Mazāk par sekundi var neizklausīties par daudz, bet, kad jāsijā, izmantojot lielu datu daudzumu, tā ir nelaime.
Jaunais astronomu vilnis AI skatās ne tikai uz datu šķirotāju. Viņi pēta kaut ko, kas varētu būt pilnīgi jauns veids, kā meklēt zinātniskus atklājumus, kur mākslīgais intelekts parādīs tās Visuma daļas, kuras mēs nekad neesam redzējuši.
Bet vispirms: gravitācijas lēcas. Einšteina vispārējā relativitātes teorija paredzēja šo parādību jau 30. gados, taču pirmie piemēri parādījās tikai 1979. gadā. Kāpēc? Tā kā kosmoss ir ļoti, ļoti liels, un cilvēkiem bija nepieciešams ilgs laiks, lai to novērotu, it īpaši bez moderniem teleskopiem. Smaguma lēcu medības bija izaicinošas.
“Objektīvi, kādi mēs tagad esam, ir atrasti dažādos veidos,” saka Lilija Viljamsa, Minesotas Universitātes astrofizikas profesore. “Daži tika atklāti nejauši, cilvēki meklēja kaut ko pavisam citu. Dažus otro vai trešo reizi atrada cilvēki, kuri tos meklēja."
Reklāmas video:
AI ļoti labi skatās attēlus. Tātad Petrillo un viņa kolēģi pievērsās mīļotajam AI rīkam Silīcija ielejā: datorprogrammu tips, kas sastāv no digitāliem "neironiem", kas veidoti pēc reāliem, kas aizdegas, reaģējot uz ievadi. Barojiet šīs programmas (neironu tīklus) daudz datu, un viņi iemācīsies atpazīt modeļus un modeļus. Viņi īpaši labi darbojas ar vizuālo informāciju un tiek izmantoti dažādās mašīnredzēšanas sistēmās - sākot ar kamerām pašbraucošās automašīnās un beidzot ar sejas atpazīšanu attēlos Facebook.
Kā tika rakstīts pagājušajā mēnesī publicētajā rakstā, šīs tehnoloģijas piemērošana gravitācijas objektīvu medībām bija pārsteidzoši vienkārša. Pirmkārt, zinātnieki izveidoja datu kopu, lai apmācītu neironu tīklu - viņi ģenerēja 6 miljonus viltus attēlu ar un bez gravitācijas lēcām. Tad mēs ievadījām savus datus neironu tīklā un atstājām, lai izdomātu modeļus. Neliels pielāgošana, un rezultāts ir programma, kas atpazīst gravitācijas lēcas acs mirklī.
“Lielisks cilvēka sejas klasifikators attēlus parsē ar ātrumu tūkstoš stundā,” saka Petrillo. Viens objektīvs tiek atrasts apmēram reizi 30 000 galaktiku. Tāpēc klasifikatoram nedēļu būs jāstrādā bez miega un atpūtas, lai atrastu tikai piecas līdz sešas lēcas. Neironu tīkls, salīdzinot, tikai 20 minūtēs parsē 21 789 attēlus. Un tas ir ar vienu seno procesoru.
Neironu tīkls nebija tik precīzs kā dators. Lai viņa nepamanītu objektīvu, viņai tika doti plaši parametri. Viņa nāca klajā ar 761 iespējamo kandidātu, kurus cilvēki izpētīja un samazināja līdz 56. Apstiprinot, ka šīs ir īstas lēcas, būs jāpārbauda un jāapstiprina, taču Petrillo uzskata, ka trešdaļa būs reāla. Tas ir apmēram viens objektīvs minūtē, salīdzinot ar simts objektīviem, ko pēdējās desmitgadēs atklājusi visa zinātniskā sabiedrība. Ātrums ir neticami, izredzes ir milzīgas.
Šo objektīvu atrašana ir būtiska, lai izprastu vienu no lielajiem astronomijas noslēpumiem: no kā sastāv Visums? Viela, kuru mēs zinām (planētas, zvaigznes, asteroīdi utt.), Pārstāv tikai 5% no visas fiziskās vielas, un vēl 95% mums ir pilnīgi nepieejama. Šos 95% pārstāv hipotētiska matērija - tumšā matērija, kuru mēs nekad tieši neesam novērojuši. Mums vienkārši jāizpēta gravitācijas ietekme uz pārējo Visumu, un gravitācijas lēcas kalpo par vienu no vissvarīgākajiem rādītājiem.
Ko vēl var darīt AI? Zinātnieki strādā pie vairākiem jauniem instrumentiem. Daži, piemēram, Petrillo, veic identifikāciju: viņi, piemēram, klasificē galaktikas. Citi izmanto datu plūsmas, lai iegūtu interesantus signālus. Daži neironu tīkli noņem mākslīgus traucējumus radioteleskopam, izolējot tikai noderīgus signālus. Citi ir izmantoti pulsaru, neparastu eksoplanetu identificēšanai vai zemas izšķirtspējas teleskopu uzlabošanai. Īsāk sakot, ir daudz potenciālo pielietojumu.
Šis sprādziens daļēji ir saistīts ar vispārējām aparatūras tendencēm, kas paplašina AI jomu, piemēram, lētas skaitļošanas jaudas pieejamību. Astronomiem vairs nav jāsēž bikses bez mākoņainām naktīm, novērojot atsevišķu planētu kustību; tā vietā viņi izmanto sarežģītu paņēmienu, kas skenē debesis pa vienam. Uzlabotie teleskopi un datu glabāšanas tehnoloģijas nozīmē, ka ir vēl vairāk iespēju analīzei, saka Viljamss.
Liela datu kopu analīze ir mākslīgā intelekta īpašība. Mēs varam iemācīt viņam atpazīt modeļus un likt viņam darboties nenogurstoši, un viņš nekad nemirkšķinās un nepieļaus kļūdas.
Vai astronomus uztrauc tas, ka viņi uzticas mašīnai, kurai, iespējams, trūkst cilvēku izpratnes, lai atklātu kaut ko sensacionālu? Petrillo saka nē. "Kopumā cilvēki ir neobjektīvāki, mazāk efektīvi un vairāk pakļauti kļūdām nekā mašīnas." Viljamss tam piekrīt. "Datori var palaist garām noteiktas lietas, bet viņi sistemātiski pietrūks tām." Bet, kamēr mēs zinām, ko viņi nezina, mēs varam izvietot automatizētas sistēmas bez liela riska.
Dažiem astronomiem AI potenciāls pārsniedz vienkāršu datu šķirošanu. Viņi uzskata, ka mākslīgo intelektu var izmantot, lai izveidotu informāciju, kas aizpilda neredzamās vietas mūsu novērojumos par Visumu.
Astronoms Kevins Šavinskis un viņa komanda galaktiku un melno caurumu astrofizikā izmanto AI, lai uzlabotu izplūdušo teleskopu attēlu izšķirtspēju. Šajā nolūkā viņi izvietoja neironu tīklu, kas rada nepārspējamas variācijas pētāmajos datos, it kā labs viltotājs atdarina slavenā mākslinieka stilu. Šie paši tīkli tika izmantoti, lai izveidotu zvaigžņu attēlu viltus attēlus; viltus audio dialogi, kas imitē reālas balsis; un cita veida datus. Pēc Šavinska teiktā, šādi neironu tīkli rada informāciju, kas mums iepriekš nebija pieejama.
Šavinska un viņa komandas publicētajā dokumentā šī gada sākumā viņi parādīja, ka šie tīkli var uzlabot kosmosa attēlu kvalitāti. Viņi pazemināja daudzu galaktiku attēlu kvalitāti, pievienoja troksni un izplūšanu un pēc tam kopā ar oriģinālajiem attēliem izlaida tos caur neironu tīkliem. Rezultāts bija pārsteidzošs. Bet zinātnieki ar to vēl nevar dalīties.
Šavinskis ir piesardzīgs pret projektu. Galu galā tas ir pretrunā ar zinātnes pamatprincipiem: jūs varat zināt Visumu tikai tad, ja to tieši novērojat. “Šī iemesla dēļ šis rīks ir bīstams,” viņš saka. Un to var izmantot tikai tad, ja mums ir precīzi dati un kad mēs varam pārbaudīt rezultātu. Jūs varat apmācīt neironu tīklu, lai iegūtu datus par melnajiem caurumiem un nosūtītu to darbam noteiktā debesu vietā, kas līdz šim ir slikti izpētīta. Un, ja viņa atradīs melno caurumu, astronomiem atradums būs jāapstiprina ar savām rokām - kā tas ir gravitācijas objektīvu gadījumā.
Ja šīs metodes izrādās rezultatīvas, tās var kļūt par pilnīgi jaunām pētījumu metodēm, kas papildina klasiskās datorsimulācijas un veco labo novērojumu. Pagaidām viss vēl tikai sākas, taču izredzes ir ļoti daudzsološas. "Ja jums būtu šis rīks, jūs varētu paņemt visus datus no arhīviem, uzlabot dažus no tiem un iegūt vairāk zinātnisku vērtību." Vērtība, kuras iepriekš nebija. AI kļūs par zinātnisku alķīmiķi, palīdzot mums pārveidot vecās zināšanas jaunās zināšanās. Un mēs varētu izpētīt kosmosu kā vēl nekad, pat neizejot no Zemes.
Iļja Khel