Co zrobiłby Gailo?
Grupa naukowców i astronomów z powodzeniem wykorzystała sztuczną inteligencję i uczenie maszynowe do identyfikacji i klasyfikacji supernowych. Jest to test projektu bota Bright Transient Survey (BTS), będącego częścią szerszego programu mającego na celu obserwację i klasyfikację supernowych powyżej określonej jasności.
Zespół programistów BTSbot stwierdził, że może on wyeliminować potrzebę ludzkich pośredników w celu potwierdzenia, czy wykryte zdarzenie jest eksplodującą gwiazdą, dając naukowcom więcej czasu na analizę niebiańskiego wydarzenia. Bot został zaprezentowany w zeszłym tygodniu i był prowadzony przez studentów i wykładowców Northwestern University, prywatnego instytutu badawczego.
Adam Miller, adiunkt na Northwestern University, powiedział: „Stanowi to ważny krok naprzód, ponieważ dalsze udoskonalenia modelu pozwolą robotowi wyodrębnić określone podtypy eksplozji gwiazd”. „Ostatecznie wyłączenie ludzi z pętli da zespołowi badawczemu więcej czasu na analizę obserwacji i opracowanie nowych hipotez wyjaśniających pochodzenie kosmicznych eksplozji, które obserwujemy”.
Niektórzy wyrazili opór przed wyeliminowaniem „ludzkich pośredników”, obawiając się, że zostaną oni zastąpieni przez sztuczną inteligencję, ale Miller twierdzi, że celem jest poprawa wydajności.
„Robimy to od około 2018 roku, kiedy program się rozpoczął” – powiedział TCN Nabeel Rehemtullah, współprzewodniczący projektu i absolwent astronomii. Mamy teraz dziesiątki tysięcy supernowych, na których możemy trenować i budować modele oraz zautomatyzować ten proces.
Supernowa to eksplozja gwiazdy, która uwalnia tak dużo energii, że chwilowo oświetla całą galaktykę. Występują one, gdy gwieździe kończy się paliwo jądrowe, co prowadzi do katastrofalnego zapadnięcia się.
Zwicky Transient Facility (ZTF), z siedzibą w Obserwatorium Palomar w San Diego w Kalifornii i nazwany na cześć astronoma Fritza Zwicky’ego, został założony w 2018 roku w celu szybkiej identyfikacji takich kosmicznych zjawisk.
W skład zespołu projektowego BTSbot, kierowanego przez Rehemtulę i Millera, weszli członkowie z Northwestern University, California Institute of Technology, Liverpool John Moores University i University of Minnesota.
Podczas szkolenia modelu sztucznej inteligencji Rehemtulla wprowadził do algorytmu ponad 1,4 miliona historycznych obrazów z 16 000 źródeł. Źródła te obejmowały potwierdzone supernowe, tymczasowo rozbłyskujące gwiazdy, okresowo zmieniające się gwiazdy i rozbłyskujące galaktyki.
Przy około 1300 do 1400 supernowych rocznie, ilość danych do przeanalizowania jest znaczna, wyjaśnił Rehemtulla. Transient in Bright Transient Survey mierzy jednorazowe zdarzenia, które jaśnieją i zanikają, a następnie jaśnieją i zanikają.
„Bardzo ważne jest, aby zapewnić modelowi czysty i reprezentatywny zestaw treningowy”. Zaczęliśmy więc od sprawdzenia, które supernowe i jakie inne zjawiska przeszły najpierw przez filtr BTS”.
Lehemtulla wyjaśnił, że w ten sposób łatwiej będzie wykluczyć występowanie supernowych.
Nowe złożone zdjęcie Galaktyki Andromedy wykonane w Obserwatorium Palomar, ukazujące trzy widoczne linie światła. Image by ZTF/D. Goldstein and R. Hurt (Caltech)
BTSbot jest zintegrowany z portalem obserwacyjnym, pozwalając astronomom zobaczyć wyniki generowane przez model i łatwo zobaczyć, co robi model. Naukowcy z Caltech pracowali nad integracją, aby zapewnić, że gdy żądanie zostanie wysłane przez sztuczną inteligencję, nie zostaną wysłane zduplikowane żądania od ludzi.
„Możemy cofnąć się i spojrzeć na 50 nocnych żądań z ostatnich pięciu lub sześciu lat. To próbka, której używamy do zestawu treningowego. „Zasadniczo wszystko, co człowiek sprawdził w ciągu ostatnich pięciu lub sześciu lat”.
Pomimo sukcesu, pan Rehemtulla powiedział, że projekt nie obył się bez przeszkód i wystąpiły tymczasowe opóźnienia w uruchomieniu BTSbota, głównie w odniesieniu do weryfikacji i sprawdzania obrazów oraz zapewnienia ich wysokiej jakości.
„Było wiele czynników, które opóźniły rozwój, a jednym z nich było zbudowanie wystarczająco dużego zestawu treningowego, z którego model mógłby się uczyć. „Nie chcesz po prostu wrzucić wszystkiego, co kiedykolwiek wykrył nasz teleskop i zacząć umieszczać tam kupę śmieci.
W miarę jak sztuczna inteligencja staje się wszechobecna, technologia ta wkracza w szereg obszarów badawczych, w tym w leczenie raka, obronę wojskową i edukację. Jednocześnie, chociaż sztuczna inteligencja jest obiecująca dla przyszłości społeczeństwa, eksperci ostrzegają, że technologia ta nadal wykazuje pewne niepokojące nawyki, w tym uprzedzenia, rasizm i kłamstwa Ostrzegają również, że technologia ta jest nie tylko narzędziem do rozwoju nowych technologii, ale także narzędziem do rozwoju nowych technologii.
Rehemtulla wyraził również potrzebę zachowania ostrożności podczas korzystania ze sztucznej inteligencji w astronomii, uznając możliwość powstania tendencyjności selekcyjnej w modelach AI, co zagroziłoby ich dalszej dokładności w identyfikowaniu obiektów w innych galaktykach.
„Właściwie nie martwimy się tym zbytnio, ponieważ znajdujemy ponad 99% obiektów”. „Osoby wykorzystujące sztuczną inteligencję w astronomii muszą rozważyć, jakie uprzedzenia wprowadzają do swoich badań”
