Штучний інтелект (ШІ) на основі нейромереж навчається все нових і нових операцій, які досі вважалися доступними тільки людині, наприклад, написання текстів. Проте він навчився не лише цього. В астрономії ШІ уже зараз виконує найскладніші задачі. Чи зможе він у майбутньому замінити вчених та наблизити людство до колонізації Марса?
Епоха штучного інтелекту
Ще 15 років тому системи на основі нейромереж використовувалися для розв’язання найрізноманітніших задач, переважно пов’язаних із розпізнаванням образів і оптимізацією процесів. Зараз же вони навчилися писати тексти та малювати картинки.
Однак у науці, зокрема в астрономії, використовуються зовсім інші системи на основі нейромереж. Текстів вони здебільшого не пишуть, та й намалювати ілюстрацію до дитячої казки навряд чи зможуть. Проте здатні виконувати роботу, яка раніше потребувала зусиль і десятків кваліфікованих дослідників.
Розпізнавання небесних образів
Перше і найпотрібніше завдання, для якого застосовується ШІ у науці, — розпізнавання образів. У звичайному житті ми стикаємося з його виконанням, коли цифрові алгоритми виділяють обличчя на фотографіях. У астрономії ж треба розпізнавати не людей у небі, а певні об’єкти в масиві даних спостережень. Раніше їх усі переводили у візуальний формат і на власні очі намагалися визначити, що це таке.
Однак навчити на наявних зразках нейромережу і дати їй можливість обробляти велетенські масиви даних виявилося значно дешевше. Саме так і зробили фахівці, які працюють із системою AllSky7. Вона складається з 85 камер кругового огляду, що цілодобово знімають небо у Сполучених Штатах. Камери щоденно реєструють купу явищ, серед яких особливо цікаві падіння метеоритів. Завдяки тренуванню ШІ дізнався, який вигляд мають зорі, що падають, тож зараз він уміє не лише знаходити їх серед сотень годин записів, а й визначати, куди вони могли впасти.
Ще одне схоже дослідження було опубліковане у листопаді 2022 року вченими, які працюють з інструментом Zwicky Transient Facility. Протягом 19 місяців, поки тривали спостереження, науковцям допомагала їх обробляти система машинного навчання. За цей час вона змогла відкрити тисячу наднових.
Знімки Землі
Однак учені спостерігають не тільки за космосом із Землі, а й навпаки. Супутникові спостереження стали основою багатьох досліджень нашої планети. Як і у випадку з астрономічними об’єктами, там вистачає завдань із розпізнавання образів, на які раніше витрачалося чимало людино-годин.
Але тепер їх усе частіше бере на себе ШІ. Найпоказовішим тут може бути дослідження ландшафту Північної Африки, здійснене 2022 року. В цьому регіоні люди активно борються з наступом на родючі землі пустелі Сахара шляхом висадки дерев. Але оцінити їхню кількість із літака практично неможливо, слід перевірити тисячі супутникових знімків та порахувати на них кожне дерево. І спеціально навчений алгоритм із цим чудово впорався.
Іншим цікавим прикладом застосування ШІ для дослідження Землі з космосу стала оцінка, де в Антарктиді можна знайти метеорити. Цей континент цікавий тим, що «кам’яні гості» з неба тут застрягають у кризі і їх досить легко відшукати пізніше. Проте самі льодовики постійно рухаються та повільно сповзають в океан. Аналізуючи супутникові знімки, ШІ допоміг скласти мапу цього руху. Тепер вчені краще розуміють, у яких місцях шанси знайти космічні камені найбільші.
І якщо вже ми згадали про метеорити, то ШІ уже здатен вказати не лише те, де вони лежать, але й звідки походять. Саме так сталося з метеоритом Чорна Красуня, який знайшли у Марокко у 2011 році. Ще раніше вчені визначили, що він прилетів із Марса. Але знадобився ШІ, аби вивчити геологічну мапу Червоної планети з накладеними на неї кратерами та встановити, з якого місця на поверхні походить метеорит.
Корекція зображень
Іншою задачею, яку ШІ виконує для астрономів, є обробка та корекція знімків. Вона досить близька до розпізнавання образів. Тільки тут штучна нейронна мережа замість того, щоб шукати знайомі шаблони, розпізнає у мішанині пікселів найбільш певне зображення.
Найкращим прикладом тут є робота з чи не найважливішим знімком останніх років — зображенням надмасивної чорної діри в центрі галактики M87. Його отримали 2019 року за допомогою віртуального Телескопа горизонту подій (EHT). Фактично йшлося про цифрове складання даних із кількох великих телескопів. Проте виявилося, що цю операцію можна вдосконалити, скориставшись ШІ.
Алгоритм машинного навчання під назвою PRIMO натренували на змодельованих зображеннях акреційного диска чорної діри. Тож коли йому «згодували» дані EHT, він збудував на їхній основі картинку зі значно більшою кількістю подробиць.
Ще дивовижніших результатів досягли у квітні 2023 року. Цього разу дослідники зі США та Китаю застосували систему, досить схожу на попередню. Випробування показали, що зображення з наземних телескопів, пропущені крізь неї, стають на 38,6% чіткішими.
Пошук позаземного життя
Однією з найперспективніших галузей, де активно застосовують нейромережі, є пошук позаземного життя в усіх його проявах. Причина, знов-таки, полягає у величезній вибірці даних, які слід проаналізувати.
2022 року група вчених запропонувала застосувати алгоритми машинного навчання для розпізнавання штучних радіосигналів у масиві даних, зібраних наземними радіотелескопами. Вчені підозрюють, що інопланетяни, як і ми останнім часом, користуються широкосмуговим зв’язком замість передачі інформації на якійсь одній частоті. А отже, радіосигнал, якого ми ніколи не чули, може мати дуже складну структуру, і відрізнити його від природних явищ буде важко. На щастя, розпізнавання образів штучним інтелектом працює не лише з картинками, але й із будь-якими структурованими наборами даних. Тож фахівці впевнені, що ШІ допоможе їм у цьому.
Перші результати роботи цієї системи вже є. Наприкінці січня 2023 року стало відомо, що в результаті сканування зір на відстані від 30 до 90 світлових років виявили вісім підозрілих сигналів, які надходили від п’яти різних світил. Щоправда, наразі вчені не поспішають робити сенсаційні заяви, оскільки це саме підозрілі сигнали, а не явний доказ того, що в тих системах справді щось є.
ШІ можна застосовувати не лише для обробки сигналів, а й для пошуків життя та місць, де воно може бути. У квітні 2023 року стало відомо, що нейромережа змогла знайти екзопланету, яку проґавили дослідники. Щоправда, йшлося про новонароджене небесне тіло в газопиловому диску навколо своєї зорі. Життя там з’явиться ще нескоро…
А от на Марсі життя з великою ймовірністю існувало в минулому, і не виключено, що існує зараз. Наприклад, там може бути щось схоже на водорості або мох, що росте на камінні у земних пустелях. Нещодавно дослідники натренували нейромережу шукати такі місця на знімках поверхні нашої планети й тепер сподіваються, що штучний інтелект знайде їх на світлинах, які роблять космічні апарати з навколомарсіанської орбіти.
Комп’ютери шукають закономірності
Але робота з зображеннями — це не зовсім те, чого всі очікують від застосування ШІ в науці. Якщо вже вважати, що машина справді прийде в астрономії на заміну людям, то вона має робити глобальні висновки про природу космосу. І ШІ вже почав працювати в цьому напрямі.
Так, у березні 2022 року було опубліковане дослідження про те, що надмасивні чорні діри гальмують утворення нових зір. Науковці довго не могли зрозуміти, чому деякі галактики набагато спокійніші й тьмяніші за інші. Причин цього було багато, і для того, аби встановити, які з них мають найбільший вплив, залучили цілих три різних системи ШІ. Всі вони погодилися з тим, що саме чорні діри найбільше «відтягують» на себе молекулярний газ, який міг би стати основою для нових поколінь зір.
Пізніше одну з цих систем — EAGLE — застосували, аби з’ясувати, чому зникають спіральні рукави галактик. Цей процес притаманний усім зоряним системам, через що вони поступово перетворюються на еліптичні. Проте у деяких він відбувається особливо швидко. І моделі, побудовані ШІ, показали, що причиною цього є втрата газу, викликана діяльністю надмасивних чорних дір.
Взагалі те, що ШІ здатен на якісь висновки, може вважатися ознакою його неймовірного розуму, хоча насправді нічого аж такого сенсаційного в цьому немає. Йдеться про ту саму систему, натреновану на розпізнавання певних патернів. Спочатку їй дають ознайомитися з визначеними закономірностями, отриманими для відомих космічних об’єктів, і запам’ятати, який вигляд вони мають. А потім генерують величезну кількість об’єктів, симульованих відповідно до різних конкуруючих теорій. І машина просто вибирає з них ті, що найбільше схожі на бачені нею раніше.
Мабуть, найдивовижнішим досягненням ШІ в астрономії на сьогодні можна вважати вдосконалення ним формули, що дозволяє оцінювати масу галактичних скупчень за тим, як проходить крізь них випромінювання від більш віддалених об’єктів. Це максимально близько до того, що ми могли б вважати інтелектуальною діяльністю людського рівня, однак насправді йдеться про елементарне розпізнавання шаблонів за попереднім навчанням.
Річ у тім, що рівняння для визначення маси галактичних скупчень містить велику кількість коефіцієнтів, які визначаються емпірично. Досі вчені використовували ті, що отримали за результатами власного вивчення фотографій. А ШІ просто зробив те саме, однак із кращим результатом.
Чи стане штучний інтелект астрономом?
Зараз ШІ виконує в астрономії велику кількість роботи, якою раніше займалися люди. Це й не дивно, адже раніше частину її вже взяли на себе більш примітивні електронні системи. Астрономія давно вже не покладається виключно на людську здатність виділяти важливі деталі у потоці інформації, що надходить від астрономічних інструментів, які працюють в усіх спектральних діапазонах.
Проте як системи аналізу, що базуються на традиційних алгоритмах, так і нейромережі досі є лише інструментом у руках астрономів. Жодна з них поки що не здатна народити думку про будову Всесвіту, до якої б не могли дійти ми самі.
Щоправда, у квітні 2023-го міжнародна група вчених зробила перший крок у цьому напрямку. Їх цікавила проблема назв космічних об’єктів. Телескопи дають змогу показати все нові й нові їхні типи, які треба якось називати. Поступово в науково точних термінах почали плутатися самі науковці. Тому вони спочатку запропонували схарактеризувати ці об’єкти людям, які не розуміються на астрономії. А потім застосували ШІ, який знайшов відповідності між цими двома класами назв. Таким чином він підказав оптимальні терміни, які були б точними й водночас легко запам’ятовувалися.
Все це стосується не стільки астрономії як науки, скільки нашої мови як системи. Хоча, з іншого боку, чим, як не вигадуванням нових термінів, є наука? Але й тут ШІ далекий від людини. Зрештою, всі перераховані системи здатні виконувати лише одне вузьке завдання, а мозок будь-якого вченого може охопити їх усі.
