Dirbtinis intelektas vis sparčiau keičia mokslinius tyrimus, o astronomija tampa viena iš sričių, kur šie pokyčiai matomi aiškiausiai. Naujausias Europos kosmoso agentūros (ESA) projektas parodė, kad šiuolaikiniai algoritmai gali per kelias dienas atlikti darbą, kuris žmonėms užtruktų dešimtmečius. Remiantis kosminio teleskopo „Hubble“ duomenimis, dirbtiniam intelektui pavyko aptikti šimtus iki šiol nematytų objektų ir neįprastų reiškinių kosmose.
Astronomų komanda iš Europos kosmoso agentūros pasitelkė dirbtinį intelektą, kad išanalizuotų milžinišką duomenų archyvą, sukauptą naudojant kosminį teleskopą „Hubble“. Algoritmas, pavadintas „AnomalyMatch“ ir paremtas neuroniniu tinklu, per vos dvi su puse dienos peržiūrėjo beveik 100 milijonų vaizdų fragmentų ir identifikavo beveik 1400 netipinių astronominių objektų. Daugiau kaip 800 iš jų anksčiau nebuvo aprašyti mokslinėje literatūroje. Mokslininkų teigimu, šis atradimas atveria naujas galimybes geriau suprasti Visatą.
Pasak tyrėjų, „AnomalyMatch“ metodas sujungia pusiau prižiūrimą ir aktyvųjį mokymąsi, todėl gali efektyviai aptikti retus reiškinius itin dideliuose duomenų kiekiuose. Algoritmas buvo apmokytas naudojant minimalų skaičių anomalijų pavyzdžių, pavyzdžiui, protoplanetinius diskus, o vėliau nuolat tobulintas iteratyviai – ekspertams žymint naujus kandidatus.
Analizei buvo panaudoti „Hubble Legacy Archive“ (HLA) duomenys: 99,6 milijono vaizdų fragmentų, darytų F814W filtru. Kiekvieno fragmento dydis siekė 150 x 150 pikselių. Tai – pirmoji sisteminė viso archyvo analizė, kurioje buvo tikslingai ieškoma būtent anomalijų. Iki šiol tokia užduotis buvo neįmanoma vien dėl milžiniško duomenų masto ir įvairovės.
Dirbtinis intelektas atrado susiduriančias galaktikas, „medūzas“ ir gravitacinius lęšius
Astronomai atskleidė, kad didžiąją dalį aptiktų anomalijų sudaro galaktikos, esančios susidūrimo arba stiprios tarpusavio sąveikos stadijoje. Jas išduoda neįprastos formos, ilgi žvaigždžių ir dujų „uodegų“ dariniai bei iškreiptos struktūros.
Be to, algoritmas identifikavo 138 gravitacinio lęšiavimo atvejus – tai objektai, kurių masė taip iškreipia šviesą, kad susiformuoja šviesos lankai ar net žiedai. Dar 18 atvejų priskirta vadinamosioms „medūzų“ galaktikoms – galaktikoms su ilgomis, iš dujų sudarytomis „čiuptuvėmis“. Taip pat aptikta galaktikų su milžiniškais žvaigždžių spiečiais, žiedinėmis struktūromis, čiurkšlėmis (džetais), aktyviais galaktikų branduoliais (AGN) ir keliais iki šiol neklasifikuotais objektais. Iš viso patvirtinta daugiau nei 1300 tikrų anomalijų.
„Hamburgerio“ galaktika ir tobulas Einšteino žiedas
Mokslininkai pateikia ir įspūdingų pavyzdžių iš naujai rastų anomalijų rinkinio. Tarp jų – galaktika, primenanti hamburgerį: dėl kraštinio protoplanetinio disko vaizdo susidaręs keistas objektas, kuriame dulkių ir dujų sluoksniai sukuria struktūrą, panašią į sumuštinį.
Taip pat aptikta anksčiau susiliejusi galaktika su vingiuotais materijos srautais, nusitęsiančiais toli nuo jos centro. Ypatingą įspūdį tyrėjams paliko gravitacinis lęšis, sudarantis beveik idealų Einšteino žiedą – šviesos žiedą, susiformuojantį tada, kai stebėtojas, lęšiu veikiantis objektas ir foninis šviesos šaltinis beveik tiksliai išsirikiuoja vienoje tiesėje.
Kai kurios anomalijos, pavyzdžiui, kvazaras, veikiantis kaip gravitacinis lęšis, buvo identifikuotos net ir tuo atveju, kai panašių objektų nebuvo algoritmui pateiktuose mokymo duomenyse. Tai rodo, kad „AnomalyMatch“ geba aptikti netikėtus, į mokymo pavyzdžius nepanašius reiškinius. Tokie objektai dažnai lieka nepastebėti taikant įprastus analizės metodus, tačiau būtent jie gali atskleisti svarbius galaktikų evoliucijos ar planetų formavimosi procesų aspektus.
Revoliucinė dirbtinio intelekto reikšmė astronomijai
Astronomų teigimu, šis tyrimas patvirtina, kad dirbtinis intelektas tampa nepakeičiamu įrankiu šiuolaikinėje astronomijoje. Tradiciniai metodai, įskaitant ir piliečių mokslo projektus, paprasčiausiai nespėja su nuolat didėjančiais duomenų srautais iš kosminių ir antžeminių teleskopų.
Per 35 metus sukauptas „Hubble“ archyvas slepia tikrus „lobius“, kurie be tokių priemonių kaip „AnomalyMatch“ būtų likę nepastebėti. Tyrimas, paskelbtas žurnale „Astronomy & Astrophysics“, parodo, kaip mašininis mokymasis gali maksimaliai padidinti mokslinę grąžą iš brangių kosminių observatorijų: leidžia atrasti retus reiškinius su precizika ir greičiu, kurie žmogui yra nepasiekiami.
Tyrėjai tikisi, kad panašūs metodai netrukus bus plačiai taikomi analizuojant ir kitų observatorijų, pavyzdžiui, Jameso Webbo kosminio teleskopo, surinktus duomenis. Tai gali priartinti mus prie atsakymų į fundamentalius klausimus apie galaktikų, žvaigždžių ir planetų kilmę bei raidą.
