В наших попытках изучить Вселенную мы становимся все более жадными со временем. Мы получаем больше информации, чем можем обработать и понять. Спутники улавливают и передают нам терабайты данных ежегодно. А один Чрезвычайно большой телескоп (да, так он и называется), который уже скоро должны достроить, будет передавать 15 терабайт информации за ночь. Люди просто физически не способны изучить все это. У астронома Карло Энрико Петрилло есть свое мнение на этот счет: «Просмотр изображений галактик – самая романтичная часть труда астронома. Проблема лишь в том, чтобы при этом оставаться сосредоточенным». Поэтому он решил переложить ответственность за обработку информации на ИИ.
Одно из ключевых направлений работы Петрилло – поиск интересных явлений, которые по своей сути являются космическими телескопами. Они появляются в тот момент, когда особо крупный объект (галактика или сверхмассивная черная дыра) проходит между каким-нибудь источником света и телескопом с Земли. Объект искривляет пространство вокруг, создавая эффект линзы, которая в свою очередь позволяет астрономам поближе рассмотреть очень далекие участки космоса, обычно скрытые от наблюдения. Это явление назвали гравитационной линзой, и на данный момент именно они могут стать ключом к пониманию состава Вселенной и исследованию ее самых удаленных уголков. Но до недавнего времени их поиск был очень медленным и утомительным.
Сейчас все изменилось, ведь на помощь астрономам пришел ИИ. Теперь программа будет искать гравитационные линзы, и даже на этом ее работа не закончится. Как говорит профессор Стэндфордского университета Эндрю Ын: «Главная особенность искусственного интеллекта заключается в способности автоматизировать все, что может сделать обычный человек, менее чем за одну секунду размышлений». Меньше секунды на размышления – не так уж и много, согласитесь. И когда речь идет о космических объемах информации, это становится еще более невероятным.
Астрономы, использующие искусственный интеллект думают не только о том, как тот может помочь им сортировать данные. Они хотят научить его абсолютно новым способам изучения космоса: составлять карты тех частей Вселенной, которые мы даже не можем увидеть.
Делать он это будет не без помощи тех самых гравитационных линз. ОТО Эйнштейна предсказывала существование данного явления еще в 30-ых годах прошлого века. Однако впервые его обнаружили только в 1979-ом. Почему так долго? Ну, знаете, Вселенная ведь большая, нет, очень большая. На ее изучение нужно время, а у ученых тех лет даже не было нашего современного оборудования.
«Линзы, которые мы нашли сейчас, были обнаружены самыми разными способами», - рассказывает Лилия Уильямс, профессор астрофизики Университета Миннесоты. - «Некоторые из них были случайно найдены людьми, ищущими что-то совершенно другое. Некоторые были обнаружены во время прямых поиском, но только со второго или третьего раза. Но большая часть из них действительно была найдена по счастливой случайности».
Просмотр и анализ большого количества изображений – это именно та область, в которой ИИ чувствует себя прекрасно. Поэтому астрономы решили прибегнуть к помощи очень популярного сегодня инструмента – нейросети. Это программа, которая моделирует образцы нейронов мозга, она буквально вся состоит из цифровых «нейронов», если их можно так назвать. Нейросеть должна обучаться, чтобы постоянно совершенствоваться. Поэтому, чем больше информации вы ей «скормите», тем больше впечатляющих результатов она покажет. Особенно плотно нейросети сегодня применяются в машинном обучении – от простых систем распознавания лиц до камер в беспилотных автомобилях.
У астрономов как раз имеется огромное количество информации, которую нужно обработать. Поэтому синхронизация нейросети и поиска гравитационных линз прошла очень просто и быстро. Сперва ученые дали программе стартовый набор данных для обучения. Это были 6 миллионов изображений (не настоящих фотографий) гравитационных линз, чтобы сеть поняла, как они выглядят, и что делают. Она начала искать между ними закономерности, ее стали дорабатывать и давать все больше изображений, в том числе и полученных с телескопов. В конце концов астрономы получили программу, которая может распознавать гравитационные линзы буквально в одно мгновение.
ИИ изучил 21 789 изображений всего за 20 минут.
«Очень опытный и быстрый человек-классификатор будет сортировать изображения со скоростью около тысячи в час», - говорит Петрилло. Он подсчитал, что в среднем линзу можно найти в каждых 30 000 галактик. Исходя из этого, человек, работающий без сна и отдыха за неделю найдет примерно 5-6 линз. Нейросеть же смогла обработать базу из 21 789 фотографий всего за 20 минут. Причем, как говорит сам Петрилло, программа работала на довольно старом компьютере, поэтому время можно сократить еще больше.
Нейронная сеть оказалась не такой точной, как хотелось бы. Однако в этом действительно вина компьютера. Чтобы не упустить ни одной линзы, он должен быть очень мощным. По результатам своей работы нейросеть обнаружила 761 потенциальную линзу, которые были изучены людьми. По итогу они оставили лишь 56 из них, но даже это количество требует дальнейших наблюдений, чтобы подтвердить, что это настоящие линзы. Петрилло предполагает, что как минимум треть из них точно будут реальными. В таком случае можно сказать, что ИИ находит по одной линзе в минуту. В то время как все научное сообщество нашло около ста за последние 40 лет. Это очень большой скачок вперед, который говорит о том, что ИИ – идеальный инструмент для исследования Вселенной. Как минимум он действительно может помочь астрономам, облегчив их работу.
Поиск этих линз нужен для того, чтобы разгадать одну из величайших загадок Вселенной: из чего она состоит? Все физические объекты, что нам известны – планеты, звезды и прочее – это лишь 5% от всего вещества во Вселенной, согласно предположениям ученых. В то время как 95% - это какие-то неизвестные нам формы материи. Например, темная материя, которую мы никогда не видели, но можем наблюдать ее гравитационные воздействия на весь космос. И гравитационные линзы – один из самых ярких примеров этого.
На что еще способен искусственный интеллект в области астрономии? На многое. Например, команда Петрилло применяет его еще и для классификации галактик. Другие астрономы используют нейросети для устранения помех от радиотелескопов, чтобы людям не приходилось перебирать тонну ненужной информации, а можно было сосредоточиться на действительно интересных сигналах. Еще больше нейронных сетей уже было использовано для поиска пульсаров, экзопланет и прочего. В конце концов они могут просто обрабатывать изображения с очень низким разрешением, существенно повышая их качество. В общем, у искусственного интеллекта есть большой потенциал, который нам еще предстоит раскрыть.
«В целом люди более предвзяты, менее эффективны и более склонны к ошибкам, чем машины».
Бум развития нейросетей произошел не просто так. Он был вызван быстрым ростом мощностей аппаратного обеспечения. Более производительные и дешевые процессоры позволили существенно расширить исследования людей в области ИИ. Вместе с технологиями трансформируется и сама астрономия. Теперь ученым больше не нужно ждать спокойных безоблачных ночей, чтобы понаблюдать за отдельными планетами. Сегодня они могут использовать современные телескопы, которые способны в короткие сроки изучать целые участки звездного неба, независимо от погоды. Раньше астрономы не могли даже представить себе, что такое будет возможно, но сегодня у них есть гораздо больше инструментов для исследований, чем когда-либо прежде.
Обработка большого количества информации в короткий срок – то, в чем искусственный интеллект действительно хорош. Люди могут научить его распознавать закономерности, а затем просто оставить его работать самостоятельно. И программа будет трудиться день и ночь без отдыха, не моргая и не совершая ошибок.
В связи с этим возникает вопрос: беспокоит ли астрономов тот факт, что они доверяют всю работу машине? Ведь даже если она обнаружит что-то невероятное, просто не обратит на это внимание, если на это не настроены ее алгоритмы. Петрилло это не беспокоит. Он поясняет, что «в целом люди более предвзяты, менее эффективны и более склонны к ошибкам, чем машины». Уильямс тоже согласна с этим мнением: «Компьютеры могут упускать определенные вещи, но мы точно знаем, какие именно. Пока мы знаем то, чего не знают они, мы можем развертывать автоматизированные системы, не боясь, что они не справятся со своей задачей».
Некоторые ученые говорят о том, что истинный потенциал искусственного интеллекта выходит далеко за рамки обработки изображений. Они считают, что ИИ можно использовать для заполнения пробелов в наших познаниях о Вселенной.
Астрофизик из Швейцарии Кевин Шавински уже давно изучает галактики и черные дыры. Вместе со своей командой он использовал нейросеть для улучшения качества размытых изображений, полученных с телескопа. Эта программа способна самостоятельно генерировать различные варианты изображений, которые она изучает. Как очень хороший художник на черном рынке, который может сымитировать стиль какого-нибудь известного гения и продать картину как оригинал. Эти сети назвали генеративно-состязательными. Они уже использовались в технологии deepfake для подмены лиц, имитации голоса знаменитостей и многом другом. Это один из самых умных искусственных интеллектов, созданных на сегодня. И для астрономов он означает возможность получить данные, которые раньше нельзя было обнаружить.
Шавински и его команда придумали, как можно использовать ИИ для улучшения качества фотографий космического пространства. Чтобы обучить нейросеть, они специально снизили качество изображений группы галактик, нанеся на них размытие и посторонние шумы. Сперва программе дали оригинальные фотографии, а потом низкокачественные, чтобы она могла их сравнить и научиться повышать разрешение самостоятельно. Результаты получились настолько впечатляющими, что Шавински теперь убежден в том, что ИИ – это отличный инструмент для улучшения практически любой информации, имеющейся в современной астрономии.
Однако даже при этом астрофизик все еще относится к нейросетям с осторожностью. Неудивительно, ведь все это звучит так, будто противоречит основному принципу науки: изучить что-либо можно лишь наблюдая за этим на прямую. Он говорит, что именно поэтому ИИ – неоднозначный инструмент, и использовать его нужно с осторожностью. По словам Шавински, применять искусственный интеллект можно лишь в тех областях, в которых мы уже имеем большое количество данных для его максимально точного обучения, или тех, где мы лично сможем проверить результаты его работы.
Нейросеть можно обучить генерировать некоторую информацию о черных дырах, а затем разместить ее на карте той части Вселенной, которую мы не исследовали тщательно. Затем, если ИИ говорит, что в этом месте может быть черная дыра, астрономы лично проверят информацию и подтвердят либо опровергнут ее. В поиске гравитационных линз происходит все то же самое. Поэтому нужно тщательно и скрупулезно исследовать все то, что находит ИИ, чтобы полученные результаты не повели ученых по ложному следу.
Если эти способы исследования действительно принесут положительные результаты, они могут стать началом для совершенно нового метода изучения Вселенной, в котором Шавински будет использовать программу совместно с человеческими наблюдениями. Пока еще слишком рано судить об эффективности, но потенциальная польза от искусственного интеллекта в астрономии может быть колоссальной. «Если у вас есть этот инструмент, - говорит Шавински, - вы можете взять все существующие данные, хранящиеся в архивах, и улучшить их или хотя бы извлечь из них больше научной ценности». Можно сказать, что ИИ – это своего рода научный алхимик, который будет помогать людям превращать старые знания в новые. И, скорее всего, именно благодаря ему в будущем мы сможем свободно исследовать космос, даже не покидая пределов родной планеты.
