Próbując zrozumieć wszechświat, wpadamy w obsesję - pociąga nas pragnienie obserwacji. Satelity przesyłają co roku setki terabajtów danych, a tylko jeden teleskop w Chile będzie wytwarzał 15 terabajtów obrazów kosmosu każdej nocy. Żaden człowiek nie poradzi sobie z nimi ręcznie. Jak mówi astronom Carlo Enrico Petrillo: „Oglądanie zdjęć galaktyk to najbardziej romantyczna część naszej pracy. Problem w tym, jak zachować koncentrację”. Dlatego Petrillo opracowuje sztuczną inteligencję, która mu pomoże.
Petrillo i jego koledzy poszukiwali zjawiska, które jest zasadniczo teleskopem kosmicznym. Kiedy masywny obiekt (galaktyka lub czarna dziura) zostaje złapany między odległym źródłem światła a obserwatorem na Ziemi, zakrzywia przestrzeń i światło wokół niego, tworząc soczewkę, która pozwala astronomom przyjrzeć się niewiarygodnie starym i odległym częściom Wszechświata ukrytym przed naszym wzrokiem. Efekt ten nazywany jest soczewkowaniem grawitacyjnym, a te soczewki są kluczem do zrozumienia, z czego zbudowany jest wszechświat. Do tej pory znajdowanie ich było powolne i żmudne.
Tutaj potrzebna jest sztuczna inteligencja - a poszukiwanie soczewek grawitacyjnych to początek. Jak to ujął profesor ze Stanford, Andrew Ng, zdolność sztucznej inteligencji do automatyzacji wszystkiego, co „typowa osoba może zrobić w mniej niż jedną sekundę myślenia”. Mniej niż sekunda może nie wydawać się dużo, ale jeśli chodzi o przesiewanie dużych ilości danych, to dar niebios.
Nowa fala astronomów poszukuje sztucznej inteligencji nie tylko jako sortownika danych. Badają coś, co mogłoby być zupełnie nowym sposobem poszukiwania odkryć naukowych, w którym sztuczna inteligencja wyświetli części wszechświata, których nigdy nie widzieliśmy.
Ale najpierw: soczewki grawitacyjne. Ogólna teoria względności Einsteina przewidziała to zjawisko już w latach trzydziestych XX wieku, ale pierwsze przykłady pojawiły się dopiero w 1979 roku. Czemu? Ponieważ przestrzeń jest bardzo, bardzo duża, a obserwowanie jej przez ludzi zajęło dużo czasu, zwłaszcza bez nowoczesnych teleskopów. Polowanie na soczewki grawitacyjne było trudne.
„Soczewki, które teraz znaleźliśmy, odkryto na różne sposoby” - mówi Lilia Williams, profesor astrofizyki na University of Minnesota. „Niektóre zostały odkryte przez przypadek, ludzie szukali czegoś zupełnie innego. Niektóre zostały znalezione przez ludzi, którzy ich szukali, po raz drugi lub trzeci."
Film promocyjny:
Sztuczna inteligencja bardzo dobrze patrzy na zdjęcia. Dlatego Petrillo i jego koledzy zwrócili się ku ukochanemu narzędziu sztucznej inteligencji w Dolinie Krzemowej: typowi programu komputerowego składającego się z cyfrowych „neuronów” wzorowanych na rzeczywistych, które uruchamiają się w odpowiedzi na dane wejściowe. Dostarcz tym programom (sieciom neuronowym) dużej ilości danych, a nauczą się rozpoznawać wzorce i wzorce. Szczególnie dobrze sprawdzają się w przypadku informacji wizualnych i są wykorzystywane w różnych systemach widzenia maszynowego - od kamer w samojezdnych samochodach po rozpoznawanie twarzy na zdjęciach na Facebooku.
Jak napisano w artykule opublikowanym w zeszłym miesiącu, zastosowanie tej technologii do polowania na soczewki grawitacyjne było zaskakująco proste. Najpierw naukowcy stworzyli zestaw danych do trenowania sieci neuronowej - wygenerowali 6 milionów fałszywych obrazów z soczewkami grawitacyjnymi i bez nich. Następnie dostarczyliśmy nasze dane do sieci neuronowej i zostawiliśmy ją na ustalenie wzorców. Trochę poprawiania, a rezultatem jest program, który w mgnieniu oka rozpoznaje soczewki grawitacyjne.
„Wielki klasyfikator ludzkiej twarzy analizuje obrazy z prędkością tysiąca na godzinę” - mówi Petrillo. Jedną soczewkę można znaleźć mniej więcej raz na 30000 galaktyk. Dlatego klasyfikator będzie musiał pracować bez snu i odpoczynku przez tydzień, aby znaleźć tylko pięć do sześciu soczewek. Dla porównania sieć neuronowa analizuje 21 789 obrazów w zaledwie 20 minut. A to z jednym starożytnym procesorem.
Sieć neuronowa nie była tak dokładna jak komputer. Aby nie przeoczyć obiektywu, otrzymała szerokie parametry. Wymyśliła 761 możliwych kandydatów, których ludzie zbadali i zredukowali do 56. Potwierdzenie, że są to prawdziwe soczewki, będzie musiało zostać zweryfikowane i potwierdzone, ale Petrillo uważa, że trzecia będzie prawdziwa. To około jednej soczewki na minutę, w porównaniu do stu soczewek odkrytych przez całą społeczność naukową w ciągu ostatnich kilku dekad. Prędkość jest niesamowita, perspektywy ogromne.
Znalezienie tych soczewek jest niezbędne do zrozumienia jednej z wielkich tajemnic astronomii: z czego zbudowany jest wszechświat? Materia, którą znamy (planety, gwiazdy, asteroidy itp.) Stanowi tylko 5% całej materii fizycznej, a kolejne 95% jest dla nas całkowicie niedostępna. To 95% reprezentuje hipotetyczna materia - ciemna materia, której nigdy bezpośrednio nie obserwowaliśmy. Musimy tylko zbadać wpływ grawitacji, jaki ma ona na resztę Wszechświata, a soczewki grawitacyjne służą jako jeden z najważniejszych wskaźników.
Co jeszcze może sztuczna inteligencja? Naukowcy pracują nad wieloma nowymi narzędziami. Niektórzy, jak Petrillo, podejmują się zadania identyfikacji: na przykład klasyfikują galaktyki. Inni przeszukują strumienie danych w poszukiwaniu interesujących sygnałów. Niektóre sieci neuronowe usuwają sztuczne zakłócenia dla radioteleskopów, izolując tylko przydatne sygnały. Inne były wykorzystywane do identyfikacji pulsarów, niezwykłych egzoplanet lub ulepszania teleskopów o niskiej rozdzielczości. Krótko mówiąc, istnieje wiele potencjalnych zastosowań.
Ta eksplozja jest po części spowodowana ogólnymi trendami sprzętowymi, które rozszerzają dziedzinę sztucznej inteligencji, takimi jak dostępność taniej mocy obliczeniowej. Astronomowie nie muszą już siedzieć w spodniach w bezchmurne noce, obserwując ruch poszczególnych planet; zamiast tego używają wyrafinowanej techniki, która skanuje niebo jeden po drugim. Ulepszone teleskopy i technologie przechowywania danych oznaczają, że jest jeszcze więcej miejsca na analizy, mówi Williams.
Sztuczna inteligencja jest świetna w analizowaniu dużych zbiorów danych. Możemy go nauczyć rozpoznawania wzorców i zmusić go do niestrudzonej pracy, a on nigdy nie mrugnie ani nie popełni błędów.
Czy astronomowie martwią się, że ufają maszynie, której człowiek może nie rozumieć, aby wykryć coś sensacyjnego? Petrillo mówi, że nie. „Ogólnie ludzie są bardziej stronniczy, mniej wydajni i bardziej podatni na błędy niż maszyny”. Williams się zgadza. „Komputery mogą pomijać pewne rzeczy, ale systematycznie będą ich brakować”. Ale dopóki wiemy, czego nie wiedzą, możemy wdrażać zautomatyzowane systemy bez większego ryzyka.
Dla niektórych astronomów potencjał sztucznej inteligencji wykracza poza zwykłe sortowanie danych. Uważają, że sztuczną inteligencję można wykorzystać do tworzenia informacji, które wypełniają martwe pola w naszych obserwacjach wszechświata.
Astronom Kevin Schawinski i jego zespół zajmujący się astrofizyką galaktyk i czarnych dziur używają sztucznej inteligencji do poprawy rozdzielczości rozmytych obrazów teleskopu. W tym celu wdrożyli sieć neuronową, która generuje niezrównane różnice w badanych danych, tak jakby dobry fałszerz naśladował styl słynnego artysty. Te same sieci były używane do tworzenia fałszywych obrazów obrazów gwiazd; fałszywe dialogi dźwiękowe symulujące prawdziwe głosy; i inne rodzaje danych. Według Shavinsky'ego takie sieci neuronowe tworzą informacje, które wcześniej były dla nas niedostępne.
W artykule opublikowanym przez Shavinsky'ego i jego zespół na początku tego roku wykazali, że te sieci mogą poprawić jakość obrazów kosmosu. Obniżyli jakość obrazów wielu galaktyk, dodali szum i rozmycie, a następnie przepuszczali je przez sieci neuronowe wraz z oryginalnymi obrazami. Wynik był niesamowity. Ale naukowcy nie mogą jeszcze się tym podzielić.
Shawinski obawia się projektu. W końcu jest to sprzeczne z podstawowymi założeniami nauki: Wszechświat można poznać tylko poprzez bezpośrednią obserwację. „Z tego powodu to narzędzie jest niebezpieczne” - mówi. Można go używać tylko wtedy, gdy mamy dokładne dane i kiedy możemy zweryfikować wynik. Możesz wytrenować sieć neuronową, aby generowała dane o czarnych dziurach i wysyłała je do pracy w pewnym obszarze nieba, który do tej pory był słabo zbadany. A jeśli znajdzie czarną dziurę, astronomowie będą musieli własnoręcznie potwierdzić to odkrycie - tak jak w przypadku soczewek grawitacyjnych.
Jeśli metody te okażą się owocne, mogą stać się całkowicie nowymi metodami badawczymi, uzupełniającymi klasyczne symulacje komputerowe i stare, dobre obserwacje. Na razie wszystko dopiero się zaczyna, ale perspektywy są bardzo obiecujące. „Gdybyś miał to narzędzie, mógłbyś pobrać wszystkie dane z archiwów, ulepszyć niektóre z nich i wydobyć więcej wartości naukowych”. Wartość, której wcześniej nie było. AI stanie się naukowym alchemikiem, pomagającym nam przekształcić starą wiedzę w nową. Moglibyśmy eksplorować kosmos jak nigdy dotąd, nawet nie opuszczając Ziemi.
Ilya Khel