Искусственный интеллект в астрономии: Как небольшое количество данных помогает обнаруживать космические события
Новая исследовательская работа, совместно возглавленная Оксфордским университетом и Google Cloud, продемонстрировала, как универсальный ИИ может точно классифицировать реальные изменения на ночном небе, такие как взрывающаяся звезда или черная дыра, разрывающая проходящую звезду, и объяснять свои выводы без необходимости сложной подготовки.
Опубликованная в журнале Nature Astronomy, исследование показывает, что универсальная языковая модель Google—Gemini—может быть трансформирована в высококвалифицированного астрономического помощника при минимальном руководстве.
Используя всего 15 примеров изображений и простые инструкции, Gemini научилась различать реальные космические события от визуальных артефактов с точностью около 93%. Важным аспектом стало то, что ИИ также предоставил объяснение каждого классификационного решения на понятном языке, что значительно увеличивает прозрачность и возможность доверия к ИИ-технологиям в научных исследованиях.
«Удивительно, что несколько примеров и четкие текстовые инструкции могут привести к такой высокой точности,» — отметил доктор Фиоренцо Стоппа, сопредседатель, из физического факультета Оксфорда.
Редкие сигналы в океане шума
Современные телескопы постоянно сканируют небо, генерируя миллионы сигналов каждую ночь о потенциальных изменениях. Хотя некоторые из этих сигналов являются реальные открытиями, большинство из них представляет собой «аферы», вызванные спутниковыми следами, ударами космических лучей или другими инструментальными артефактами.
Традиционно астрономы полагаются на специализированные модели машинного обучения для фильтрации этих данных. Однако эти системы часто работают как «черный ящик», предоставляя простую метку «реальный» или «поддельный» без объяснения своей логики. Это заставляет ученых либо слепо доверять результатам, либо тратить часы на ручную проверку тысяч кандидатов.
Команда исследования задала простой вопрос: может ли универсальный ИИ, как Gemini, не только достичь такой же точности, но и объяснить, что он видит?
С помощью всего 15 размеченных примеров для трех крупных обзоров неба (ATLAS, MeerLICHT и Pan-STARRS), команда предоставила модели небольшие изображения новых сигналов, справочные изображения и «различия», выделяющие изменения. Опираясь на эти единичные примеры и краткие инструкции, модель затем классифицировала тысячи новых сигналов, предоставляя метку (реальный/поддельный), приоритетный балл и короткое описание своего решения.
Человек в круге: ИИ, который знает, когда просить о помощи
Ключевым компонентом исследования было подтверждение качества и полезности объяснений ИИ. Команда собрала панель из 12 астрономов для оценки описаний, которые были признаны высокосогласованными и полезными. В параллельном тесте команда предложила Gemini самостоятельно проверить свои ответы и оценить согласованность каждого. Они обнаружили, что уверенность модели является мощным индикатором ее точности.
Пользуясь этой самокоррекцией для совершенствования первоначальных примеров, команда улучшила производительность модели на одном наборе данных с ~93,4% до ~96,7%, демонстрируя, как система может учиться и улучшаться в партнерстве с человеческими экспертами.
Команда видит эту технологию как основу для автономных «агентных помощников» в науке. Такие системы могли бы делать гораздо больше, чем классифицировать одно изображение; они могли бы интегрировать несколько источников данных, проверять свою уверенность, самостоятельно запрашивать последующие наблюдения у роботизированных телескопов и поднимать только самые многообещающие и необычные открытия к вниманию ученых.
«Мы находимся на пороге новой эры, где научные открытия ускоряются не за счет черного ящика, а благодаря прозрачным партнерам ИИ,» — добавил Турхан Булмус, сопредседатель из Google Cloud. «Эта работа показывает путь к системам, которые учатся вместе с нами, объясняют свои решения и наделяют исследователей в любой области возможностью сосредотачиваться на том, что имеет наибольшее значение: задавать следующий важный вопрос.»
В нашем Telegram‑канале, и группе ВК вы найдёте новости о непознанном, НЛО, мистике, научных открытиях, неизвестных исторических фактах. Подписывайтесь, чтобы ничего не пропустить.
