• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Kommer AI att lämna mänskliga astronomer i stjärndammet?

    Kredit:Hubble Space Telescope

    Maskininlärning kommer för astronomi. Men det betyder inte att astronomer och medborgarforskare är föråldrade. Faktiskt, det kan betyda precis motsatsen.

    När du tänker på en galax, det första som kommer att tänka på är en spiral. Det finns en tät stjärnhop i kärnan och några stora, sveper spiralarmarna ut åt sidan.

    Men det är inte den enda sortens galax där ute. Som människor, galaxer finns i alla former och storlekar. Det finns skivformade och sfäriska, prydliga spärrade spiraler och röriga oregelbundenheter.

    Galaxer, sorterad

    Den formen är inte bara viktig för din känsla för estetik när du väljer en skrivbordsbakgrund. Det berättar också en hel del om universum, enligt Mitchell Cavanagh, Ph.D. kandidat vid International Centre for Radio Astronomy Research (ICRAR).

    "Vi kallar elliptiska linjer för tidiga typer eftersom de är mer framträdande när du går ut till högre rödförskjutningar i det tidigare universum. Sedan dina spiraler, vi tenderar att kalla sen typ eftersom de är vanligare när vi tittar på det nyare universum på lägre rödförskjutningsgalaxer nära oss, " säger Mitchell.

    "Så bara att kunna spåra hur det går är ganska viktigt."

    Problemet, som alltid, är att det finns en massa av galaxer där ute. Lösningen hittills, genom projekt som Galaxy Zoo (och ICRARs egen AstroQuest), har varit att anlita frivilliga "medborgarforskare" för att hjälpa till att sortera uppgifterna också. Men med mängden astronomiska data som kommer genom nya projekt som SKA, även en armé av medborgarforskare kanske inte räcker.

    "Du kommer att ha miljarder galaxer, miljarder bilder. Och bara den stora mängden prover som kommer att komma in – även med medborgarvetenskap, du kommer att behöva en mycket stor pool av volontärer, säger Mitchell.

    NGC 1300, en bomrad spiralgalax. Kredit:Goddard Space Flight Center

    Möt AI-astronomerna

    En lösning kan vara en typ av maskininlärningsalgoritm som kallas ett konvolutionellt neuralt nätverk eller CNN. Det är precis vad Mitchell har utvecklat. Den körs på en vanlig stationär dator men kan fortfarande sortera igenom tiotusentals galaxer på bara några sekunder.

    Det som skiljer Mitchells program från tidigare försök är att det kan sortera fler typer av galaxer åt gången.

    "Många av de neurala nätverken inom astronomi tenderar att bara titta på binära saker, som är detta en tidig typ eller är det en sen typ, sådana saker, " säger Mitchell.

    "Medan vi vill försöka gå in på mer detaljer. Vi vill titta på fler klasser istället för bara två."

    Neurala nät, Mitchell säger, har potential att bli snabbare och effektivare. De kan också användas i situationer som skulle vara svåra, tidskrävande eller helt enkelt tråkigt för mänskliga volontärer att göra. Det inkluderar saker som att klassificera simulerade galaxer som faktiskt inte existerar.

    "När du har utbildat en CNN, du kan tillämpa dem på alla möjliga andra saker – simuleringar och sånt – för att göra lite cool vetenskap som jämför dessa simuleringar med observationer, " han säger.

    Men häng inte upp din galaxsorterande hatt ännu. Som alltid, det finns en hake.

    NGC 3610, en elliptisk galax. Kredit:Goddard Space Flight Center

    Kommer robotarna för mitt (volontär)jobb?

    När astronomer lär en människa att sortera galaxer, de skulle beskriva formen, prata om viktiga funktioner, kanske rita ett diagram och visa ett par exempel för att avsluta.

    Om vi ​​lär ut en AI, Dom kan endast använd exempel – och där frivilliga kan ta reda på vad en spärrspiral är från ett eller två exempel, ett neuralt nätverk behöver hundratals .

    "I grunden ett neuralt nätverk kommer egentligen bara att bli lika bra som den data du tränar den med, säger Mitchell.

    Och om vi använder några knepiga tekniker för att titta på hur det "tänker, "funktionerna i bilderna som den letar efter ser inte alls ut som de vi skulle använda som människor.

    Tränar hjärnor

    Detta lämnar oss med lite av en gåta. Vi behöver vår AI för att sortera våra galaxer i typer, men för att träna vår AI, vi behöver redan veta vilka typer våra galaxer är.

    Långt ifrån att göra mänskliga medborgarforskare föråldrade, AI-driven astronomi ger dem faktiskt en befordran – från att göra jobbet själva till att vara mer som en coach eller lärare.

    "På sätt och vis, de neurala nätverken byggs ovanpå den befintliga insatsen inom medborgarvetenskap."

    AI är riktigt bra på att ge människor precis vad de tror att de vill ha. För att använda det för astronomi, vi behöver en armé av välutbildade frivilliga som vill ha snyggt sorterade galaxer – och ja, det är där du kommer in.

    Den här artikeln dök upp först på Particle, en vetenskapsnyhetswebbplats baserad på Scitech, Perth, Australien. Läs originalartikeln.




    © Vetenskap https://sv.scienceaq.com