|
Искусственный интеллект как инструмент для исследования Вселенной
|
|
|
|
В попытке понять Вселенную мы становимся одержимыми — нас манит жажда наблюдений. Спутники передают сотни терабайт данных информации каждый год, а всего один телескоп в Чили будет выдавать 15 терабайт картинок космоса каждую ночь. Ни один человек не сможет обработать их вручную. Как говорит астроном Карло Энрико Петрильо, «смотреть на снимки галактик — самая романтическая часть нашей работы. Проблема в том, как оставаться сосредоточенными». Поэтому Петрильо разрабатывает ИИ, который будет ему помогать.
|
|
|
|
Петрильо и его коллеги искали явление, которое по сути представляет собой космический телескоп. Когда массивный объект (галактика или черная дыра) оказывается между далеким источником света и наблюдателем на Земле, он изгибает пространство и свет вокруг него, создавая линзу, позволяющую астрономам поближе взглянуть 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 искать их было медленно и утомительно.
|
 |
|
Именно здесь нужен искусственный интеллект — и поиск гравитационных линз это самое начало. 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, но когда дело доходит до просеивания больших объемов данных, это просто дар небес.
|
|
|
|
Новая волна астрономов рассматривает ИИ не только как сортировщик данных. Они исследуют нечто, что может быть совершенно новым способом поиска научных открытий, когда искусственный интеллект будет отображать части Вселенной, которых мы никогда не видели.
|
|
|
|
Но сперва: гравитационные линзы. Общая теория относительности Эйнштейна предсказала это явление еще в 1930-х годах, но первые примеры появились только в 1979 году. Почему? Потому что космос очень и очень большой, и людям нужно было много времени, чтобы его обсмотреть, особенно без современных телескопов. Охота на гравитационные линзы была сложной.
|
|
|
|
«Линзы, которые у нас есть сейчас, были найдены разными способами», говорит Лилия Уильямс, профессор астрофизики в Университете Миннесоты. «Некоторые были обнаружены случайно, люди искали что-то совершенно другое. Некоторые были найдены людьми, которые их искали, со второго или третьего раза».
|
|
|
|
Смотреть на картинки ИИ умеет очень 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. Особенно 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.
|
|
|
|
Как было написано в статье, опубликованной в прошлом месяце, применение этой технологии для охоты на гравитационные линзы, было удивительно простым. Во-первых, ученые сделали набор данных для обучения нейронной сети — сгенерировали 6 миллионов фейковых изображений с гравитационными линзами и без них. Затем скормили нейронной сети свои данные и оставили разбираться в паттернах. Немного тонкой настройки и получилась программа, распознающая гравитационные линзы в мгновение ока.
|
|
|
|
«Отличный классификатор в лице человека разбирает изображения со скоростью тысячу в час», говорит Петрильо. Одна линза находится примерно раз в 30 000 галактик. Поэтому классификатору придется работать без сна и отдыха в течение недели, чтобы найти всего пять-шесть линз. Нейронная сеть, для сравнения, разбирается 21 789 изображений всего за 20 минут. И это с одним древним процессором.
|
|
|
|
Нейронная сеть была не такой точной, как компьютер. Чтобы та не проглядела линзы, ей задали широкие параметры. Она выдала 761 возможных кандидатов, которые люди изучили и сократили до 56. Чтобы подтвердить, что это настоящие линзы, придется проверить и подтвердить находки, но 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.
|
|
|
|
Поиск 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% всего физического вещества, и еще 95% нам совершенно недоступны. Эти 95% представлены гипотетическим веществом — темной материей, которую мы никогда не наблюдали напрямую. Нам остается только изучать гравитационное влияние, которое она оказывает на остальную Вселенную, и гравитационные линзы служат одним из важнейших индикаторов.
|
|
|
|
Что еще может делать ИИ? Ученые работают над рядом новых инструментов. Некоторые, как Петрильо, берут на себя задачу идентификации: классифицируют галактики, например. Другие прочесывают потоки данных в поисках интересных сигналов. Некоторые нейронные сети устраняют искусственные помехи для радиотелескопа, вычленяя только полезные сигналы. Другие использовались для идентификации пульсаров, необычных экзопланет или улучшения телескопов с низким разрешением. Короче говоря, потенциальных применений много.
|
|
|
|
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 один за другим. Улучшенные телескопы и технологии хранения данных означают, что возможностей для анализа теперь еще больше, говорит Уильямс.
|
|
|
|
Анализ больших наборов данных — вот что отлично умеет делать искусственный интеллект. Мы можем научить его распознавать закономерности и заставить работать его неустанно, и он ни разу не моргнет и не ошибется.
|
|
|
|
Волнуются ли астрономы, что они доверяют машине, которой может не хватить человеческого понимания, чтобы обнаружить нечто сенсационное? Петрильо говорит, что нет. «В целом люди более предвзяты, менее эффективны и более склонны к ошибкам, чем машины». Уияльмс соглашается. «Компьютеры могут упускать определенные вещи, но они будут упускать их систематически». Но пока мы знаем то, чего не знают они, мы можем разворачивать автоматизированные системы без особого риска.
|
|
|
|
Для некоторых астрономов потенциал ИИ выходит за рамки простой сортировки данных. Они считают, что искусственный интеллект может быть использован для создания информации, заполняющей слепые пятна в наших наблюдениях за Вселенной.
|
|
|
|
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 хороший 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 через нейросети вместе с оригинальными снимками. Результат был поразительный. Но ученые пока не могут им поделиться.
|
|
|
|
Шавински осторожно относится к проекту. В конце концов, он идет вразрез с основными принципами науки: вы можете узнать Вселенную, только наблюдая ее непосредственно. «По этой причине этот инструмент опасен», говорит он. И его можно использовать только тогда, когда у нас есть точные данные и когда мы можем проверить результат. Можно обучить нейросеть генерировать данные о черных дырах и отправить ее на работу в определенный участок неба, который до сих пор был плохо 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 совершенно новыми методами исследования, дополнить классическое компьютерное моделирование и старое доброе наблюдение. Пока все только начинается, но перспективы очень многообещающие. «Будь у вас этот инструмент, вы могли бы взять все данные из архивов, улучшить некоторые из них и извлечь большую научную ценность». Ценность, которой прежде не было. ИИ станет научным алхимиком, помогающим нам превращать старые знания в новые. И мы могли бы исследования космос, как никогда раньше, даже не покидая Землю.
|
|
|
|
Источник
|
