Astronomowie zaprojektowali i wyszkolili program komputerowy, który potrafi klasyfikować dziesiątki tysięcy galaktyk w zaledwie kilka sekund. Sztuczna inteligencja w mgnieniu oka robi to, co astronomom zajmuje miesiące.
Astrofizycy z Australii wykorzystali uczenie maszynowe do przyspieszenia procesu, który normalnie jest wykonywany ręcznie przez astronomów i naukowców z całego świata. Mitchell Cavanagh z Międzynarodowego Centrum Badań Radioastronomicznych (ICRAR) na Uniwersytecie Zachodnioaustralijskim powiedział, że „galaktyki mają różne kształty i rozmiary. Klasyfikacja kształtów galaktyk jest ważnym krokiem do zrozumienia ich powstawania i ewolucji, a nawet może rzucić światło na naturę samego Wszechświata”.
Sztuczna inteligencja rozwiązuje problem zbyt wielu danych
Cavanagh powiedział, że obecny stan nauki pozwala na zbieranie zbyt wielu danych podczas przeglądów nieba, które mają miejsce przez cały czas. Astronomowie zwyczajnie nie są w stanie samodzielnie przyjrzeć się i sklasyfikować nowo odkrytych galaktyk. Badacz tłumaczy, że „mówimy tu o kilku milionach galaktyk w ciągu najbliższych kilku lat. Czasami nawet naukowcy-amatorzy są rekrutowani do pomocy w klasyfikowaniu kształtów galaktyk w projektach takich jak Galaktyczne Zoo, ale to wciąż wymaga czasu”. Na naszym blogu poruszaliśmy już podobne tematy. Polecamy m.in. nasz tekst „Tysiące galaktyk na nowej mapie wszechświata”.
W tym miejscu wkraczają na scenę splotowe sieci neuronowe (convolutional neural networks – CNN). W dzisiejszym świecie zaawansowanych technologii tego rodzaju programy komputerowe możemy znaleźć wszędzie. Od obrazowania medycznego, przez giełdy i analizę danych, po popularne serwisy streamingowe, które generują rekomendacje na podstawie oglądanych przez nas treści.
W ostatnich latach CNN zaczęły znajdować szersze zastosowanie w astronomii. Większość istniejących sieci tego typu, z których korzystają astronomowie, jest binarna. Podejmują prostą decyzję – na przykład, czy jest to galaktyka spiralna, czy nie? Ale ta nowa sieć CNN wykorzystuje klasyfikację wieloklasową. Sztuczna inteligencja jest w stanie rozpoznać, czy mamy do czynienia z galaktyką eliptyczną, soczewkową, spiralną czy nieregularną.
Cavanagh powiedział, że uczenie maszynowe staje się coraz bardziej rozpowszechnione w astronomii. Naukowiec tłumaczy, że „ogromną zaletą sieci neuronowych jest szybkość. Obrazy z badań, których sklasyfikowanie przez ludzi zajęłoby miesiące, można zamiast tego sklasyfikować w zaledwie kilka minut. Używając standardowej karty graficznej, możemy sklasyfikować 14 000 galaktyk w mniej niż trzy sekundy”.
Sztuczna inteligencja nie jest lepsza od ludzi – jest szybsza
Doktor Cavanagh mówi też, że „te sieci neuronowe niekoniecznie będą lepsze niż ludzie, ponieważ są wytrenowane przez ludzi. Ale są wystarczająco blisko, z 80% dokładnością przy klasyfikowaniu ogólnym i do 97% przy rozpoznaniu między galaktykami eliptycznymi i spiralnymi. Jeśli umieścimy grupę astronomów w pokoju i poprosimy ich o sklasyfikowanie kilku obrazów, prawie na pewno dojdzie do nieporozumień. Ta nieodłączna niepewność jest czynnikiem ograniczającym każdy model sztucznej inteligencji wyszkolony na danych oznaczonych”.
Sztuczna inteligencja ma jedną ogromną zaletę. Dzięki niej naukowcy będą w stanie sklasyfikować ponad 100 000 000 galaktyk w różnych odległościach od Ziemi i w różnych środowiskach (na przykład w grupach, gromadach itd.). Pomoże im to zrozumieć, w jaki sposób galaktyki zmieniają się w czasie i dlaczego może się to przydarzyć w określonych okolicznościach.
Splotowa sieć neuronowa, opracowana w ICRAR, nie jest przeznaczona tylko dla astronomii. Można ją wykorzystać w wielu innych dziedzinach, o ile mamy wystarczająco duży zestaw danych do trenowania sztucznej inteligencji. Cavanagh powiedział, że „CNN będą odgrywać coraz większą rolę przetwarzaniu danych w przyszłości. Szczególnie w sytuacji, gdy dziedziny takie jak astronomia, zmagają się z wyzwaniami zbyt dużych zbiorów danych”.
Na naszym blogu często pisaliśmy o wykorzystaniu AI w różnych dziedzinach naszego życia. Zainteresowanym polecamy na przykład nasz tekst „Sztuczna inteligencja odnajdzie zabytki”.
Źródło: Phys.org