Når vi prøver at forstå universet, bliver vi besat - vi er tiltrukket af observations tørsten. Satellitter transmitterer hundreder af terabyte dataoplysninger hvert år, og kun et teleskop i Chile producerer 15 terabyte pladsbilleder hver nat. Intet menneske kan håndtere dem manuelt. Som astronom Carlo Enrico Petrillo siger:”At se på billeder af galakser er den mest romantiske del af vores job. Problemet er, hvordan man forbliver fokuseret. Derfor udvikler Petrillo en AI, der vil hjælpe ham.
Petrillo og hans kolleger ledte efter et fænomen, der i det væsentlige er et rumteleskop. Når en massiv genstand (en galakse eller sort hul) bliver fanget mellem en fjern lyskilde og en iagttager på Jorden, bøjer den plads og lys omkring det og skaber en linse, der giver astronomer mulighed for at se nærmere på utrolige gamle og fjerne dele af universet skjult for vores syn. Denne effekt kaldes gravitationslinse, og disse linser er nøglen til at forstå, hvad universet er lavet af. Indtil nu har det været langsomt og kedeligt at finde dem.
Det er her kunstig intelligens er nødvendig - og søgningen efter gravitationslinser er begyndelsen. Som Stanford-professor Andrew Ng udtrykte det, er AI's evne til at automatisere alt, hvad "en typisk person kan gøre på mindre end et sekund af at tænke." Mindre end et sekund lyder måske ikke meget, men når det kommer til at sile gennem store mængder data, er det en gave.
Den nye bølge af astronomer ser på AI for mere end blot en datasorterer. De udforsker noget, der kan være en helt ny måde at søge efter videnskabelige opdagelser, hvor kunstig intelligens viser dele af universet, som vi aldrig har set.
Men først: gravitationslinser. Einsteins generelle relativitetsteori forudsagde dette fænomen allerede i 1930'erne, men de første eksempler dukkede først op i 1979. Hvorfor? Fordi pladsen er meget, meget stor, og folk tog lang tid at observere det, især uden moderne teleskoper. Jakten på gravitationslinser var udfordrende.
”De linser, vi har nu, er blevet fundet på forskellige måder,” siger Lilia Williams, professor i astrofysik ved University of Minnesota.”Nogle blev opdaget ved et uheld, folk ledte efter noget helt andet. Nogle blev fundet af folk, der ledte efter dem, anden eller tredje gang."
Salgsfremmende video:
AI er meget god til at se på billeder. Så Petrillo og hans kolleger henvendte sig til et elsket AI-værktøj i Silicon Valley: en type computerprogram, der er sammensat af digitale "neuroner", der er modelleret efter rigtige værktøjer, der skyder som reaktion på input. Feed disse programmer (neurale netværk) en masse data, og de vil lære at genkende mønstre og mønstre. De fungerer især godt med visuel information og bruges i forskellige maskinsynssystemer - fra kameraer i selvkørende biler til ansigtsgenkendelse på billeder på Facebook.
Som det blev skrevet i en artikel, der blev offentliggjort i sidste måned, var det meget overraskende at anvende denne teknologi på jagt på tyngdekraftslinser. Først lavede forskerne et datasæt til at træne det neurale netværk - de genererede 6 millioner falske billeder med og uden tyngdekraftslinser. Derefter fodrede vi vores data til det neurale netværk og efterlod dem for at finde ud af mønstrene. Lidt tilpasning, og resultatet er et program, der genkender gravitationslinser med et øjeblik.
”En stor klassifikator i det menneskelige ansigt analyserer billeder med en hastighed på tusinde i timen,” siger Petrillo. En linse findes cirka en gang hver 30.000 galakser. Derfor skal klassificeren arbejde uden søvn og hvile i en uge for kun at finde fem til seks linser. Til sammenligning analyserer et neuralt netværk 21.789 billeder på kun 20 minutter. Og dette er med en gammel processor.
Det neurale netværk var ikke så nøjagtigt som computeren. Så hun ikke overså linsen, fik hun brede parametre. Hun kom med 761 mulige kandidater, som mennesker studerede og reducerede til 56. Bekræftelse af, at dette er ægte linser, skal bekræftes og bekræftes, men Petrillo mener, at en tredjedel vil være reel. Det er omkring en linse pr. Minut sammenlignet med hundrede linser, der er opdaget af hele det videnskabelige samfund i de sidste par årtier. Hastigheden er utrolig, udsigterne er enorme.
At finde disse linser er vigtigt for at forstå et af astronomiens store mysterier: hvad er universet lavet af? Den sag, vi kender (planeter, stjerner, asteroider osv.), Repræsenterer kun 5% af alt fysisk stof, og yderligere 95% er helt utilgængelige for os. Disse 95% er repræsenteret ved hypotetisk stof - mørkt stof, som vi aldrig har observeret direkte. Vi er bare nødt til at undersøge den tyngdekraftpåvirkning, den har på resten af universet, og tyngdekraftslinser tjener som en af de vigtigste indikatorer.
Hvad ellers kan AI gøre? Forskere arbejder på en række nye værktøjer. Nogle, som Petrillo, påtager sig identifikationsopgaven: de klassificerer f.eks. Galakser. Andre søger datastrømme efter interessante signaler. Nogle neurale netværk fjerner kunstig interferens for et radioteleskop ved kun at isolere nyttige signaler. Andre er blevet brugt til at identificere pulsarer, usædvanlige exoplaneter eller forbedre teleskoper med lav opløsning. Kort sagt er der mange potentielle anvendelser.
Denne eksplosion skyldes delvis generelle hardwaretendenser, der udvider AI-området, såsom tilgængeligheden af billig computerkraft. Astronomer behøver ikke længere at sidde på deres bukser på skyfri aften og observere bevægelsen af individuelle planeter; i stedet bruger de en sofistikeret teknik, der scanner himlen én efter én. Forbedrede teleskoper og datalagringsteknologier betyder, at der er endnu mere plads til analyse, siger Williams.
At analysere store datasæt er, hvad kunstig intelligens er stor til. Vi kan lære ham at genkende mønstre og få ham til at arbejde utrætteligt, og han vil aldrig blinke eller begå fejl.
Er astronomer bekymrede for, at de har tillid til en maskine, der muligvis mangler menneskelig forståelse for at opdage noget sensationelt? Petrillo siger nej. "Generelt er mennesker mere partiske, mindre effektive og mere tilbøjelige til fejl end maskiner." Williams er enig. "Computere savner måske visse ting, men de vil systematisk savne dem." Men så længe vi ved, hvad de ikke ved, kan vi implementere automatiserede systemer uden meget risiko.
For nogle astronomer går potentialet ved AI ud over simpel datasortering. De mener, at kunstig intelligens kan bruges til at skabe information, der udfylder de blinde pletter i vores observationer af universet.
Astronom Kevin Schawinski og hans team inden for astrofysik af galakser og sorte huller bruger AI til at forbedre opløsningen af uskarpe teleskopbilleder. Til dette formål indsatte de et neuralt netværk, der genererer uovertrufne variationer i de undersøgte data, som om en god forfalskning efterligner en berømt kunstners stil. Disse samme netværk blev brugt til at oprette falske billeder af stjernebilleder; falske lyddialog, der simulerer virkelige stemmer; og andre typer data. Ifølge Shavinsky skaber sådanne neurale netværk oplysninger, der tidligere var utilgængelige for os.
I et papir, der blev offentliggjort af Shavinsky og hans team tidligere på året, viste de, at disse netværk kan forbedre kvaliteten af pladsbilleder. De sænkede kvaliteten af billeder fra et antal galakser, tilføjede støj og sløring og førte dem derefter gennem neurale netværk sammen med de originale billeder. Resultatet var forbløffende. Men forskere kan ikke dele det endnu.
Shawinski er på vagt over for projektet. Når alt kommer til alt strider det mod videnskabens grundlæggende elementer: Du kan kun kende universet ved at observere det direkte.”Derfor er dette værktøj farligt,” siger han. Og de kan kun bruges, når vi har nøjagtige data, og når vi kan verificere resultatet. Du kan træne et neuralt netværk til at generere data om sorte huller og sende dem til at arbejde i et bestemt himmelområde, der er blevet undersøgt dårligt indtil nu. Og hvis hun finder et sort hul, er astronomer nødt til at bekræfte fundet med deres egne hænder - som tilfældet er med gravitationslinser.
Hvis disse metoder viser sig at være frugtbare, kan de blive helt nye forskningsmetoder, der supplerer klassiske computersimuleringer og god gammel observation. Indtil videre er alt lige begyndt, men udsigterne er meget lovende. "Hvis du havde dette værktøj, kunne du tage alle data fra arkiverne, forbedre noget af det og udtrække mere videnskabelig værdi." En værdi, der ikke var der før. AI bliver en videnskabelig alkymist, der hjælper os med at omdanne gammel viden til ny viden. Og vi kunne udforske rum som aldrig før uden selv at forlade Jorden.
Ilya Khel