С тех пор ИИ распространился во все области астрономии. По мере того как технология становилась все более мощной, алгоритмы искусственного интеллекта начали помогать астрономам обрабатывать массивные наборы данных и открывать новые знания о Вселенной.
Больше телескопы, больше данных
С начала своего существования астрономия стремилась классифицировать и систематизировать множества объектов в ночном небе. Это было относительно просто, когда единственными инструментами были невооруженный глаз или простой телескоп, а все, что можно было увидеть, — это несколько тысяч звезд и горстка планет.
Сто лет назад Эдвин Хаббл использовал новейшие телескопы, чтобы показать, что Вселенная заполнена не только звездами и облаками газа, но и бесчисленными галактиками. Поскольку телескопы продолжали совершенствоваться, само количество небесных объектов, которые люди могут видеть, и количество данных, которые астрономы должны сортировать, росли в геометрической прогрессии.
Например, обсерватория Веры Рубин в Чили, которая будет завершена в скором времени, будет способна делать снимки такого большого формата, что для полного просмотра каждого потребуется около 1500 современных телевизоров высокого разрешения. Ожидается, что за 10 лет с ее помощью будет собрано 0,5 эксабайта данных.
Уже сейчас существуют 20 телескопов с зеркалами диаметром более 20 футов (6 метров). Алгоритмы искусственного интеллекта — единственный способ, с помощью которого астрономы смогут когда-либо обработать все данные, доступные им сегодня. Уже сейчас присутствует ряд направлений в разработке которых ИИ оказывается незаменим.
Выбор методов исследования
Астрономия часто напоминает поиск иголок в стоге сена. Около 99 % пикселей астрономического изображения содержат фоновое излучение, свет от других источников или черноту космоса, и только 1 % имеют тонкие очертания тусклых галактик.
Алгоритмы ИИ — в частности, нейронные сети, использующие множество взаимосвязанных узлов и способные учиться распознавать закономерности, — идеально подходят для выделения закономерностей галактик. Астрономы начали использовать нейронные сети для классификации галактик в начале 2010-х годов. Сейчас алгоритмы настолько эффективны, что могут классифицировать галактики с точностью до 98%.
Также дела обстоят и в других областях астрономии. Астрономы SETI, работающие над проблемой поиска внеземного разума используют радиотелескопы для сканирования на предмет сигналов от далеких цивилизаций. Раньше радиоастрономы просматривали карты на глаз, чтобы найти аномалии, которые нельзя было объяснить. Совсем недавно исследователи задействовали 150 000 персональных компьютеров и 1,8 миллиона гражданских ученых для поиска искусственных радиосигналов. Теперь исследователи используют ИИ, чтобы просеивать огромное количество данных гораздо быстрее и тщательнее, чем это могли бы сделать люди. Это позволило усилиям SETI охватить больше, а также значительно сократить количество ложноположительных сигналов.
Другой пример — поиск экзопланет. Астрономы открыли большую часть из 5300 известных экзопланет, измерив падение количества света, исходящего от звезды, когда планета проходит перед ней. Инструменты искусственного интеллекта теперь могут определять признаки экзопланеты с точностью 96%.
Новые открытия
ИИ отлично зарекомендовал себя в идентификации известных объектов, таких как галактики или экзопланеты, которые астрономы велят ему искать. Но он также весьма эффективен при поиске объектов или явлений, которые являются теоретическими, но еще не обнаружены в реальном мире.
Команды использовали этот подход для обнаружения новых экзопланет, изучения звезд-предков, которые привели к формированию и росту Млечного Пути, и предсказания сигнатур новых типов гравитационных волн.
Для этого астрономы сначала используют ИИ для преобразования теоретических моделей в наблюдательные сигнатуры, включая реалистичные уровни шума. Затем они используют машинное обучение, чтобы повысить способность ИИ обнаруживать предсказанные явления.
Наконец, радиоастрономы также используют алгоритмы искусственного интеллекта для анализа сигналов, которые не соответствуют известным явлениям. Недавно команда из Южной Африки обнаружила уникальный объект, который может быть остатком взрывного слияния двух сверхмассивных черных дыр. Если это подтвердится, данные позволят провести новую проверку общей теории относительности — описания пространства-времени Альбертом Эйнштейном.
Продвинутое прогнозирование и закрытие белых пятен в существующих концепциях
Команда, продемонстрировавшая первое изображение черной дыры в 2019 году, использовала генеративный ИИ для создания нового изображения. Для этого они сначала научил ИИ распознавать черные дыры, скармливая ему симуляции многих видов черных дыр. Затем команда использовала созданную модель искусственного интеллекта, чтобы заполнить пробелы в огромном количестве данных, собранных радиотелескопами о черной дыре M87.
Используя смоделированные данные, ученые смогли получить изображение, которое в два раза четче исходного и полностью соответствует предположениям общей теории относительности.
Астрономы также обращаются к ИИ, чтобы упростить современные исследования. Команда из Гарвард-Смитсоновского центра астрофизики создала языковую модель под названием astroBERT для чтения и систематизации 15 миллионов научных работ по астрономии. Другая команда, базирующаяся в НАСА, также предложила использовать ИИ для определения приоритетов астрономических проектов — процесс, которым астрономы занимаются каждые 10 лет.
По мере развития ИИ он стал важным инструментом для астрономов. По мере того как телескопы становятся лучше, наборы данных становятся больше, а ИИ продолжают совершенствоваться, становится ясно, что эта технология будет играть центральную роль в будущих астрономических открытиях.
