Kunstig intelligens (AI) hjælper allerede astronomer med at gøre utrolige opdagelser. Her er hvordan. Hvem ved, hvilke fremtidige opdagelser vi til sidst skal tilskrive en maskine?
Vi ser på den nuværende tilstand af kunstig intelligens og dens indvirkning på astronomi og rumforskning, mens rumalderen fejrer sin 66-års fødselsdag. Her diskuterer Paul Sutter, hvordan AI allerede hjælper astronomer med at gøre nye, utrolige opdagelser.
Uanset om vi kan lide det eller ej, vil kunstig intelligens ændre den måde, vi interagerer med universet på.
Som videnskab har astronomi en lang tradition for at lede efter mønstre ved at gennemgå massive mængder data, tilfældige opdagelser og en dyb forbindelse mellem teori og observation. Dette er alle områder, hvor AI-systemer kan gøre feltet astronomi hurtigere og kraftigere end nogensinde før.
Det er dog vigtigt at bemærke, at "kunstig intelligens" er en meget bred betegnelse, der omfatter en bred vifte af semi-relaterede softwareværktøjer og teknikker. Astronomer vender sig mest til neurale netværk, hvor softwaren lærer om alle forbindelserne i et træningssæt af data, og derefter anvender den viden om disse forbindelser i et virkeligt datasæt. Tag for eksempel databehandling. De smukke billeder, der deles online fra Hubble Space Telescope eller James Webb Space Telescope, er langt fra første gang, disse instrumenter har observeret den pågældende del af himlen.
AI som værktøj for astronomer
Rå astronomiske billeder er fyldt med fejl, rodede forgrunde, forureninger, artefakter og støj. At bearbejde og rense disse billeder for at skabe noget præsentabelt - og ikke mindst nyttigt til videnskabelig forskning - kræver en enorm mængde input, normalt delvist manuelt og delvist af automatiserede systemer.
Astronomer benytter i stigende grad kunstig intelligens til at bearbejde data, fjerne de ubrugelige dele af billederne for at producere et rent resultat. For eksempel fik et billede af den supermassive sorte hul i hjertet af galaksen Messier 87 (M87), som først blev offentliggjort i 2019, en maskinlærings "makeover" i april 2023, hvilket resulterede i et meget klarere billede af det sorte huls struktur.
I et andet eksempel fodrer nogle astronomer billeder af galakser ind i en neuralt netværksalgoritme og instruerer algoritmen med klassifikationsskemaet for de opdagede galakser. De eksisterende klassifikationer kom fra manuelle tildelinger, enten af forskerne selv eller frivillige borgerforskningsindsatser. Med et træningssæt i hånden kan neuralt netværk derefter anvendes på rigtige data og automatisk klassificere galakserne, en proces der er langt hurtigere og meget mindre fejlbehæftet end manuel klassifikation.
Astronomer kan også bruge AI til at fjerne den optiske interferens, som Jordens atmosfære skaber, fra billeder af rummet taget af jordbaserede teleskoper. AI er endda blevet foreslået til at hjælpe os med at finde tegn på liv på Mars, forstå hvorfor solens korona er så varm eller afsløre stjernernes alder.
Astronomer bruger også neurale netværk til at dykke dybere ind i universet end nogensinde før. Kosmologer begynder at bruge kunstig intelligens til at forstå universets grundlæggende natur. To af de største kosmiske mysterier er identiteterne af mørkt stof og mørk energi, to stoffer ud over vores nuværende viden om fysik, der tilsammen udgør over 95% af alle energiindhold i universet.
For at hjælpe med at identificere disse mærkelige stoffer forsøger kosmologer i øjeblikket at måle deres egenskaber: Hvor meget mørkt stof og mørk energi der er, og hvordan de har ændret sig i universets historie. Små ændringer i egenskaberne af mørkt stof og mørk energi har dybtgående virkninger på den resulterende historie i kosmos, på alt lige fra arrangementet af galakser til stjernedannelsesraterne i galakser som vores Mælkevej.
Neurale netværk hjælper kosmologer med at adskille alle de mange effekter af mørkt stof og mørk energi. I dette tilfælde kommer træningsdata fra sofistikerede computer-simuleringer. I disse simuleringer varierer kosmologer egenskaberne af mørkt stof og mørk energi og ser, hvad der ændres. De fodrer derefter disse resultater ind i det neurale netværk, så det kan opdage alle de interessante måder, universet ændrer sig på. Selvom det endnu ikke er helt klar til hovedscenen, er håbet, at kosmologer derefter kan pege det neurale netværk på reelle observationer og lade det fortælle os, hvad universet er lavet af.
Tilgange som disse bliver stadig vigtigere, da moderne astronomiske observatorier genererer enorme mængder data. Vera C. Rubin-observatoriet, en topmoderne facilitet under opførelse i Chile, vil have til opgave at levere over 60 petabyte (hvor et petabyte svarer til tusind terabyte) rå data i form af højopløsningsbilleder af himlen. At analysere så meget data er uden for evnerne hos selv den mest beslutsomme ph.d.-studerende. Kun computere, bistået af kunstig intelligens, vil være i stand til opgaven.
Af særlig interesse for det kommende observatorium vil være søgningen efter det uventede. For eksempel opdagede astronom William Herschel planeten Uranus ved et uheld under en regelmæssig undersøgelse af nattehimlen. Kunstig intelligens kan bruges til at markere og rapportere potentielt interessante objekter ved at identificere alt, der ikke passer til et etableret mønster. Og faktisk har astronomer allerede brugt AI til at opdage en potentiel farlig asteroide ved hjælp af en algoritme skrevet specifikt til Vera C. Rubin-observatoriet.
Hvem ved, hvilke fremtidige opdagelser vi til sidst skal tilskrive en maskine?