Как искусственный интеллект помогает астрономам находить "жемчужины" во Вселенной

Искусственный интеллект (ИИ) сегодня повсюду, и, возможно, вы уже немного устали о нем слышать. Тем не менее, важно признавать, когда ИИ действительно способен изменить ситуацию, например, помочь нам лучше понимать Вселенную.

Именно это и происходит в Оксфордском университете, одном из самых авторитетных академических центров Великобритании. Исследователи университета создали новый инструмент на основе ИИ, который позволяет находить "иголки в космическом стоге сена", значительно снижая нагрузку на ученых.

Этот ИИ-инструмент помогает астрономам обнаруживать сверхновые звезды, эффективно отсеивая сотни сигналов в день. Раньше такая работа занимала долгие часы ручного труда.

Новый подход, использующий возможности ИИ, сокращает рутинную работу астрономов на целых 85%, сохраняя при этом высокую точность. Это освобождает ученых, позволяя им более эффективно использовать свое время и знания.

Виртуальный помощник (Virtual Research Assistant) эффективен и точен, и снижает нагрузку на астрономов, которым обычно приходилось вручную обрабатывать данные. (Изображение: Getty Images | Javier Zayas Photography)

Как же работает этот "Виртуальный помощник" (Virtual Research Assistant, VRA)? Вот что рассказывают в Оксфордском университете:

VRA – это набор автоматизированных ботов, которые имитируют процесс принятия решений человеком. Они ранжируют поступающие сигналы, определяя вероятность того, что сигнал является реальным внегалактическим взрывом. В отличие от многих автоматизированных систем на основе ИИ, требующих огромных объемов данных для обучения и мощных суперкомпьютеров, VRA использует более экономичный подход. Вместо ресурсоемких методов глубокого обучения, система применяет небольшие алгоритмы, основанные на деревьях решений, которые ищут закономерности в отдельных аспектах данных. Это позволяет ученым напрямую вносить свой опыт в модель и направлять алгоритмы, указывая на ключевые особенности, на которые следует обращать внимание.

Ключевые особенности VRA

Важно отметить, что VRA не является большой языковой моделью (LLM) и не требует огромных массивов данных или колоссальных вычислительных мощностей.

Его можно обучить, используя всего 15 000 примеров и обычный ноутбук.

В отличие от традиционной LLM, VRA можно было обучить, используя всего лишь ноутбук. (Изображение: Windows Central | Zachary Boddy)

Как это работает с данными

VRA постоянно обновляет свои оценки сигналов по мере повторного сканирования одного и того же участка неба. В результате, астрономам для окончательной проверки передаются только наиболее вероятные "положительные" сигналы.

В течение первого года использования VRA обработал более 30 000 сигналов и пропустил менее 0,08% реальных сверхновых.

Ожидается, что новый обзор неба, который начнется в 2026 году, будет генерировать до 10 миллионов сигналов за ночь. Поэтому наличие ИИ-инструмента, способного сократить нагрузку на астрономов на 85%, – это действительно очень своевременное решение.

Возможно, вы не являетесь экспертом в науке, но это яркий пример того, какие преимущества может предоставить ИИ. Опытный ученый всегда принимает окончательное решение, но правильно обученный ИИ может обрабатывать огромные объемы данных гораздо быстрее, делая работу ученого более эффективной.

ИИ – это не только помощь в выборе рецепта или выполнении домашнего задания. В умелых руках он может кардинально изменить наше понимание Вселенной.

Мнение редакции: Этот проект демонстрирует огромный потенциал ИИ в научных исследованиях. Уменьшение нагрузки на ученых при сохранении высокой точности может значительно ускорить процесс открытий и улучшить наше понимание Вселенной. Особенно впечатляет, что для обучения системы не потребовались огромные ресурсы, что делает ее более доступной для других исследовательских групп.