Заменит ли астрономов искусственный интеллект

Искусственный интеллект (ИИ) на основе нейросетей обучается все новым и новым операциям, которые до сих пор считались доступными только человеку, например, написанию текстов. Однако они научились не только этому. В астрономии ИИ уже сейчас выполняет самые сложные задачи. Сможет ли он в будущем заменить ученых и приблизить человечество к колонизации Марса?

Заменит ли искусственный интеллект астрономов?
Заменит ли искусственный интеллект астрономов?

Эпоха искусственного интеллекта

Еще 15 лет назад системы на основе нейросетей использовались для решения самых разных задач, преимущественно связанных с распознаванием образов и оптимизацией процессов. Сейчас они научились писать тексты и рисовать картинки.

Однако в науке, в частности в астрономии, используются совсем другие системы на основе нейросетей. Текстов они в большинстве своем не пишут, да и нарисовать иллюстрацию к детской сказке вряд ли смогут. Однако способны выполнять работу, которая раньше требовала усилий и десятков квалифицированных исследователей.

Распознавание небесных образов

Первая и самая нужная задача, для которой применяется ИИ в науке, — распознавание образов. В обычной жизни мы сталкиваемся с ее исполнением, когда цифровые алгоритмы выделяют лицо на фотографиях. В астрономии надо распознавать не людей в небе, а определенные объекты в массиве данных наблюдений. Раньше их все переводили в визуальный формат и собственными глазами пытались определить, что это такое.

Зображення, з якими працює штучний інтелект
С такими изображениями системы AllSky7 работает искусственный интеллект. Источник: phys.org

Однако научить на имеющихся образцах нейросеть и дать ей возможность обрабатывать гигантские массивы данных оказалось значительно дешевле. Именно так и поступили специалисты, работающие с системой AllSky7. Она состоит из 85 камер кругового обзора, круглосуточно снимающих небо в Соединенных Штатах. Камеры ежедневно регистрируют кучу явлений, среди которых ученых особенно интересуют падения метеоритов. Благодаря тренировке ИИ узнал, как выглядят падающие звезды, поэтому сейчас умеет не только находить их среди сотен часов записей, но и определять, куда они могли упасть.

Еще одно подобное исследование было опубликовано в ноябре 2022 года учеными, работающими с инструментом Zwicky Transient Facility. В течение 19 месяцев, пока шли наблюдения, астрономам помогала их обрабатывать система машинного обучения. За это время она смогла открыть тысячу сверхновых.

Снимки Земли

Однако ученые наблюдают не только космос с Земли, но и наоборот. Спутниковые наблюдения стали основой многих исследований нашей планеты. Как и в случае с астрономическими объектами, там хватает задач по распознаванию образов, на которые раньше уходило немало человеко-часов.

Деревья в Северной Африке
Деревья в Северной Африке. Источник: www.deepplanet.ai

Но теперь их все чаще берет на себя ИИ. Самым показательным здесь может быть исследование ландшафта Северной Африки, проведенное в 2022 году. В этом регионе люди активно борются с наступлением на плодородные земли пустыни Сахара путем высадки деревьев. Но оценить их количество с самолета практически невозможно, следует проверить тысячи спутниковых снимков и сосчитать на них каждое дерево. И специально обученный алгоритм с этим отлично справился.

Другим интересным примером применения ИИ для исследования Земли из космоса стала оценка, где в Антарктиде можно найти метеориты. Этот континент интересен тем, что «каменные гости» с неба здесь застревают во льду и их достаточно легко найти позже. Однако сами ледники постоянно двигаются и медленно сползают в океан. Анализируя спутниковые снимки, ИИ помог составить карту этого движения. Теперь ученые лучше понимают, в каких местах шансы найти космические камни самые большие.

И если мы уже упомянули о метеоритах, то ИИ уже способен указать не только то, где они лежат, но и откуда происходят. Именно так произошло с метеоритом Черная Красавица, найденным в Марокко в 2011 году. Еще раньше ученые определили, что он прилетел с Марса. Но понадобился ИИ, чтобы изучить геологическую карту Красной планеты с наложенными на нее кратерами и установить, с какого места на его поверхности конкретно.

Карта кратеров Марса, созданная нейросетью
Карта кратеров Марса, созданная нейросетью. Источник: Lagain et al. 2022, Nature Communications

Коррекция изображений

Другой задачей, выполняемой ИИ для астрономов, является обработка и коррекция снимков. Она достаточно близка к распознаванию образов. Только здесь искусственная нейронная сеть вместо того, чтобы искать знакомые шаблоны, распознает в смеси пикселей наиболее определенное изображение.

Лучшим примером здесь является работа с самым важным снимком последних лет — изображением сверхмассивной черной дыры в центре галактики M87. Его получили в 2019 году с помощью виртуального телескопа горизонта событий (EHT). Фактически речь шла о цифровой сборке данных из нескольких крупных телескопов. Однако оказалось, что эту операцию можно усовершенствовать, воспользовавшись ИИ.

Алгоритм машинного обучения под названием PRIMO натренировали на смоделированных изображениях аккреционного диска черной дыры. Поэтому когда ему «скормили» данные EHT, он построил на их основе картинку со значительно большим количеством подробностей.

Созданное с помощью алгоритма PRIMO изображение черной дыры в центре галактики M87
Созданное с помощью алгоритма PRIMO изображение черной дыры в центре галактики M87. Источник: Medeiros et al. 2023

Еще более удивительных результатов достигли в апреле 2023 года. В этот раз исследователи из США и Китая применили систему, достаточно похожую на предыдущую. Испытания показали, что изображения с наземных телескопов, пропущенные сквозь нее, становятся на 38,6% более четкими.

Поиск внеземной жизни

Одной из наиболее перспективных отраслей, где активно применяют нейросети, является поиск внеземной жизни во всех ее проявлениях. Причина опять-таки заключается в огромной выборке данных, которые следует проанализировать.

В 2022 году группа ученых предложила применить алгоритмы машинного обучения для распознавания искусственных радиосигналов в массиве данных, собранных наземными радиотелескопами. Ученые подозревают, что инопланетяне, как и мы в последнее время, пользуются широкополосной связью вместо передачи информации на одной частоте. Следовательно, радиосигнал, которого мы никогда не слышали, может иметь очень сложную структуру, и отличить его от природных явлений будет непросто. К счастью, распознавание образов искусственным интеллектом работает не только с картинками, но и с любыми структурированными наборами данных. Поэтому специалисты уверены, что ИИ поможет им в этом.

Искусственный интеллект может помочь нам найти инопланетян
Искусственный интеллект может помочь нам найти инопланетян. Источник: Pinterest

Первые результаты работы этой системы уже есть. В конце января 2023 года стало известно, что в результате сканирования звезд на расстоянии от 30 до 90 световых лет было обнаружено восемь подозрительных сигналов, поступавших от пяти разных светил. Правда, ученые не спешат делать сенсационные заявления, поскольку это именно подозрительные сигналы, а не явное доказательство того, что в тех системах действительно что-то есть.

ИИ можно применять не только для обработки сигналов, но и для поиска жизни и мест, где она может быть. В апреле 2023 года стало известно, что нейросеть смогла найти экзопланету, которую упустили исследователи. Правда, речь шла о новорожденном небесном теле в газопылевом диске вокруг своей звезды. Жизнь там появится еще нескоро.

А вот на Марсе жизнь с большой вероятностью существовала в прошлом, и не исключено, что существует сейчас. Например, там может быть что-то похожее на водоросли или мох, растущий на камнях в земных пустынях. Недавно исследователи натренировали нейросеть искать такие места на снимках поверхности нашей планеты и теперь надеются, что искусственный интеллект найдет их на фотографиях, сделанных космическими аппаратами с околомарсианской орбиты.

Марс
Марс. Источник: Chris Vaughan / Starry Night

Компьютеры ищут закономерности

Но работа с изображениями — это не совсем то, чего все ожидают от применения ИИ в науке. Если уж полагать, что машина действительно придет в астрономии на смену людям, то она должна делать глобальные выводы о природе космоса. И искусственный интеллект уже начал работать в этом направлении.

Так, в марте 2022 года было опубликовано исследование о том, что сверхмассивные черные дыры тормозят образование новых звезд. Ученые долго не могли понять, почему некоторые галактики гораздо спокойнее и тусклее других. Причин этому было много, и для того, чтобы установить, какие из них оказывают наибольшее влияние, привлекли целых три разных системы ИИ. Все они согласились с тем, что именно черные дыры больше всего оттягивают на себя молекулярный газ, который мог бы стать основой для новых поколений звезд.

Позже одну из этих систем — EAGLE — применили, чтобы узнать, почему исчезают спиральные рукава галактик. Этот процесс присущий всем звездным системам, поэтому они постепенно превращаются в эллиптические. Однако в некоторых он происходит особенно быстро. И модели, построенные ИИ, показали, что причиной этого является потеря газа, вызванная деятельностью сверхмассивных черных дыр.

Звезды и темные материи в галактике
Звезды и темные материи в галактике. Источник: Gabriel Pérez Díaz, SMM (IAC) / The EAGLE team

То, что ИИ способен на какие-то выводы, может считаться признаком его невероятного разума, хотя на самом деле ничего такого сенсационного в этом нет. Речь идет о той же системе, натренированной на распознавание определенных паттернов. Сначала ей дают ознакомиться с определенными закономерностями, полученными для известных космических объектов, и запомнить, как они выглядят. А затем генерируют огромное количество объектов, симулированных в соответствии с разными конкурирующими теориями. И машина просто выбирает из них те, что больше всего похожи на виденные ею ранее.

Пожалуй, самым удивительным достижением ИИ в астрономии на сегодняшний день можно считать усовершенствование им формулы, позволяющей оценивать массу галактических скоплений по тому, как проходит сквозь них излучение от более отдаленных объектов. Это максимально близко к тому, что мы могли бы считать интеллектуальной деятельностью человеческого уровня, однако на самом деле речь идет об элементарном распознавании шаблонов по предварительному обучению.

Дело в том, что уравнение для определения массы галактических скоплений содержит большое количество коэффициентов, определяемых эмпирически. До сих пор ученые использовали те, что получили по результатам собственного изучения фотографий. А ИИ просто сделал то же самое, однако с лучшим результатом.

Скопление галактик
Скопление галактик. Источник: ESA / Hubble & NASA

Станет ли искусственный интеллект астрономом?

Сейчас ИИ выполняет в астрономии большое количество работы, которой раньше занимались люди. Это неудивительно, ведь раньше часть ее уже взяли на себя более примитивные электронные системы. Астрономия давно уже не полагается исключительно на человеческую способность выделять важные детали в потоке информации, поступающей от астрономических инструментов, работающих во всех спектральных диапазонах.

Однако как системы анализа, базирующиеся на традиционных алгоритмах, так и нейросети до сих пор являются инструментом в руках астрономов. Ни одна из них пока не способна родить мысль о строении Вселенной, до которой мы не могли бы дойти сами.

Правда, в апреле 2023 года международная группа ученых сделала первый шаг в этом направлении. Их интересовала проблема названий космических объектов. Телескопы позволяют показать все новые и новые типы, которые надо как-то называть. Постепенно в научно точных терминах начали путаться сами ученые. Поэтому они сначала предложили охарактеризовать эти объекты людям, которые не разбираются в астрономии. А затем применили ИИ, нашедший соответствия между этими двумя классами названий. Таким образом он подсказал оптимальные термины, которые были бы точными и одновременно легко запоминались.

Все это касается не столько астрономии как науки, сколько нашего языка как системы. Хотя, с другой стороны, чем, как не придумыванием новых терминов, является наука? Но и здесь ИИ далек от человека. В конце концов все перечисленные системы способны выполнять только одну узкую задачу, а мозг любого ученого может охватить их все.