Интересные факты

Искусственный интеллект — идеальный инструмент для исследования Вселенной

В попытке постигнуть Вселенную мы становимся одержимыми — нас манит жажда наблюдений. Спутники передают сотни терабайт данных информации любой год, а всего один телескоп в Чили будет выдавать 15 терабайт картинок космоса каждую ночь. Ни одинешенек человек не сможет обработать их вручную. Будто говорит астроном Карло Энрико Петрильо, «смотреть на снимки галактик — самая романтическая доля нашей работы. Проблема в том, будто оставаться сосредоточенными». Поэтому Петрильо разрабатывает ИИ, какой будет ему помогать.

Петрильо и его коллеги искали явление, которое по сути представляет собой космический телескоп. Когда массивный объект (галактика или черная прореха) оказывается между далеким источником света и наблюдателем на Земле, он изгибает пространство и свет вкруг него, создавая линзу, позволяющую астрономам поближе глянуть на невероятно старые и далекие участки Вселенной, сокрытые от нашего взгляда. Этот эффект называется гравитационным линзированием, и эти линзы являются ключом к пониманию того, из чего состоит Вселенная. До сих пор разыскивать их было медленно и утомительно.

Собственно здесь нужен искусственный интеллект — и розыск гравитационных линз это самое начин. Как выразился стэнфордский профессор Эндрю Ын, способность ИИ позволяет автоматизировать всё, что «типичный человек может сделать меньше чем за одну секунду мышления». Меньше секунды может показаться не особо щедрым, однако когда дело доходит до просеивания больших объемов данных, это попросту дар небес.

Новая вал астрономов рассматривает ИИ не лишь как сортировщик данных. Они исследуют нечто, что может быть совсем новым способом поиска научных открытий, когда ненастоящий интеллект будет отображать части Вселенной, которых мы вовек не видели.

Но сперва: гравитационные линзы. Общая теория относительности Эйнштейна предсказала это явление еще в 1930-х годах, однако первые примеры появились лишь в 1979 году. Почему? Потому что космос весьма и очень большой, и людям нужно было немало времени, чтобы его обсмотреть, особливо без современных телескопов. Охота на гравитационные линзы была сложной.

«Линзы, которые у нас кушать сейчас, были найдены разными способами», говорит Лилия Уильямс, профессор астрофизики в Университете Миннесоты. «Некоторые были обнаружены невзначай, люди искали что-то совсем другое. Некоторые были найдены людьми, которые их искали, со второго или третьего раза».

Похожие новости  Inboard — Tesla в мире электрических скейтбордов

Глядеть на картинки ИИ умеет весьма хорошо. Поэтому Петрильо и его коллеги обратились к инструменту ИИ, любимому в Кремниевой долине: типу компьютерной программы, состоящей из цифровых «нейронов», смоделированных по образу настоящих, которые активируются в ответ на ввод. Скормите этим программам (нейронным сетям) кучу данных — и они научатся распознавать схемы и закономерности. Особливо хорошо они работают с визуальной информацией и используются в самых разных системах машинного зрения — от камер в самоуправляемых автомобилях до распознавания лиц на картинках в Facebook.

Будто было написано в статье, опубликованной в прошлом месяце, применение этой технологии для охоты на гравитационные линзы, было удивительно простым. Во-первых, ученые сделали комплект данных для обучения нейронной сети — сгенерировали 6 миллионов фейковых изображений с гравитационными линзами и без них. Затем скормили нейронной сети свои данные и оставили понимать в паттернах. Немного тонкой настройки и получилась программа, распознающая гравитационные линзы в миг ока.

«Отличный классификатор в лице человека разбирает изображения со скоростью тысячу в час», говорит Петрильо. Одна линза находится примерно один в 30 000 галактик. Поэтому классификатору придется трудиться без сна и отдыха в течение недели, чтоб найти всего пять-шесть линз. Нейронная сеть, для сравнения, разбирается 21 789 изображений итого за 20 минут. И это с одним древним процессором.

Нейронная сеть была не подобный точной, как компьютер. Чтоб та не проглядела линзы, ей задали широкие параметры. Она выдала 761 возможных кандидатов, которые люд изучили и сократили до 56. Чтоб подтвердить, что это настоящие линзы, придется проверить и подтвердить находки, однако Петрильо полагает, что треть окажутся настоящими. Получается примерно по одной линзе в минуту, если сравнивать с сотней линз, обнаруженных всем научным сообществом за последние несколько десятилетий. Скорость невероятная, перспективы — огромные.

Розыск этих линз необходим для понимания одной из величайших загадок астрономии: из чего состоит Вселенная? Материя, которую мы знаем (планеты, звезды, астероиды и т. д.) представляют лишь 5% итого физического вещества, и еще 95% нам совсем недоступны. Эти 95% представлены гипотетическим веществом — темной материей, которую мы вовек не наблюдали напрямую. Нам остается лишь изучать гравитационное влияние, которое она оказывает на остальную Вселенную, и гравитационные линзы служат одним из важнейших индикаторов.

Похожие новости  Полусферы — лучшее жильё для Марса

Что еще может мастерить ИИ? Ученые работают над рядышком новых инструментов. Некоторые, будто Петрильо, берут на себя задачу идентификации: классифицируют галактики, так. Другие прочесывают потоки данных в поисках интересных сигналов. Отдельный нейронные сети устраняют искусственные помехи для радиотелескопа, вычленяя лишь полезные сигналы. Другие использовались для идентификации пульсаров, необычных экзопланет или улучшения телескопов с низким разрешением. Короче говоря, потенциальных применений немало.

Этот взрыв частично объясняется общими тенденциями в области аппаратного обеспечения, которые позволяют расширить поле применения ИИ, вроде доступности дешевой вычислительной мощности. Астрономам больше не нужно просиживать штаны безоблачными ночами, наблюдая за движением отдельных планет; вместо этого они используют сложную технику, которая просматривает участки неба одинешенек за другим. Улучшенные телескопы и технологии хранения данных означают, что возможностей для анализа сейчас еще больше, говорит Уильямс.

Разбор больших наборов данных — вот что пять умеет делать искусственный интеллект. Мы можем научить его распознавать закономерности и принудить работать его неустанно, и он ни разу не моргнет и не ошибется.

Волнуются ли астрономы, что они доверяют машине, которой может не достать человеческого понимания, чтобы заметить нечто сенсационное? Петрильо говорит, что дудки. «В целом люди более предвзяты, менее эффективны и более склонны к ошибкам, чем машины». Уияльмс соглашается. «Компьютеры могут упускать определенные вещи, однако они будут упускать их систематически». Однако пока мы знаем то, чего не знают они, мы можем разворачивать автоматизированные системы без особого риска.

Для некоторых астрономов потенциал ИИ выходит за рамки несложный сортировки данных. Они считают, что ненастоящий интеллект может быть использован для создания информации, заполняющей слепые пятна в наших наблюдениях за Вселенной.

Похожие новости  Приют для моржей среди Шведского лета

Астроном Кевин Шавински и его команда, специализирующаяся на астрофизике галактик и черных дыр, используют ИИ для повышения разрешения размытых снимков телескопов. С этой целью они развернули нейронную сеть, которая непревзойденно генерирует вариации изучаемых данных, будто неплохой фальсификатор имитирует стиль известного художника. Эти же сети использовались для создания фейковых изображений снимков звезд; фейковых аудиодиалогов, имитирующих настоящие голоса; и других типов данных. По мнению Шавинского, такие нейросети создают информацию, которая была ранее нам недоступна.

В работе, опубликованной Шавинским и его командой в начале этого года, они показали, что эти сети могут улучшать качество снимков космоса. Они понизили качество изображений ряда галактик, добавили шума и размытия, а затем пропустили их чрез нейросети вместе с оригинальными снимками. Итог был поразительный. Но ученые покамест не могут им поделиться.

Шавински осторожно относится к проекту. В конце концов, он идет вразрез с основными принципами науки: вы можете разузнать Вселенную, только наблюдая ее непосредственно. «По этой причине этот инструмент опасен», говорит он. И его можно использовать лишь тогда, когда у нас кушать точные данные и когда мы можем проверить итог. Можно обучить нейросеть генерировать данные о черных дырах и послать ее на работу в определенный участок неба, какой до сих пор был нехорошо исследован. И если она найдет черную дыру, астрономы должны будут подтвердить находку собственноручно — как в случае с гравитационными линзами.

Если эти методы окажутся плодотворными, они могут стать совсем новыми методами исследования, дополнить классическое компьютерное моделирование и старое доброе наблюдение. Покамест все только начинается, однако перспективы очень многообещающие. «Будь у вас этот инструмент, вы могли бы взять все данные из архивов, улучшить отдельный из них и извлечь большую научную ценность». Ценность, которой прежде не было. ИИ станет научным алхимиком, помогающим нам превращать старые познания в новые. И мы могли бы исследования космос, будто никогда раньше, даже не покидая Землю.

Hi-News.ru — Новости высоких технологий.

Добавить комментарий