ستاره شناسان دهه هاست که از هوش مصنوعی استفاده می کنند. در واقع، در سال 1990، ستاره شناسان دانشگاه آریزونا از نوعی هوش مصنوعی به نام شبکه عصبی برای مطالعه شکل کهکشان ها استفاده کردند.
از آن زمان، هوش مصنوعی در تمام زمینه های نجوم گسترش یافته است. با قدرتمندتر شدن این فناوری، الگوریتم‌های هوش مصنوعی به اخترشناسان کمک می‌کنند تا مجموعه‌های عظیم داده را رام کنند و دانش جدیدی در مورد جهان کشف کنند.
به عنوان مثال، اولین تصویر معروف از یک سیاهچاله، دو برابر واضح تر شد! یک تیم تحقیقاتی از هوش مصنوعی برای بهبود چشمگیر اولین تصویر سیاهچاله که در سال 2019 ثبت شده بود، استفاده کردند. این تصویر بهبود یافته، سیاهچاله مرکز کهکشان M87 را تاریک تر و بزرگتر از تصویر اول نشان می دهد.
تلسکوپ های بهتر، داده های بیشتر
از زمانی که نجوم به عنوان یک علم شناخته شده، در طول زمان تلاشی برای درک انبوه اجرام در آسمان شب بوده است. وقتی که تنها ابزارهای در دسترس، چشم غیر مسلح انسان و یا یک تلسکوپ ساده بودند، موضوع ساده بود و تنها چیزی که میشد دید چند هزار ستاره و تعداد انگشت شماری سیاره بود.
صد سال پیش، ادوین هابل از تلسکوپ های تازه ساخته شده استفاده کرد تا نشان دهد که جهان نه تنها از ستاره ها و ابرهای گازی، بلکه از کهکشان های بی شماری پر شده است.
همانطور که تلسکوپ ها به پیشرفت خود ادامه می دهند، تعداد زیادی از اجرام آسمانی که انسان می تواند ببیند و مقدار داده هایی که ستاره شناسان باید از طریق آنها مرتب کنند، هر دو به طور تصاعدی افزایش یافته است.
به عنوان مثال، رصدخانه Vera Rubin در شیلی که به زودی تکمیل می شود، تصاویر را به قدری بزرگ می کند که برای مشاهده کامل هر یک از آنها به ۱۵۰۰ صفحه تلویزیون با کیفیت بالا نیاز است. در طی 10 سال انتظار می رود که 0.5 اگزابایت داده تولید کند؛ یعنی حدود 50000 برابر مقدار اطلاعات موجود در تمام کتاب های موجود در کتابخانه کنگره!
20 تلسکوپ با آینه های بزرگتر از 6 متر قطر وجود دارد. الگوریتم‌های هوش مصنوعی تنها راهی است که اخترشناسان می‌توانند امیدوار باشند که بر روی تمام داده‌های امروزی در دسترسشان کار کنند. چندین روش وجود دارد که هوش مصنوعی در پردازش این داده ها مفید است.
انتخاب الگوها
نجوم اغلب شامل جستجوی سوزن در انبار کاه است! حدود 99 درصد از پیکسل‌ها در یک تصویر نجومی حاوی تابش پس‌زمینه، نور از منابع دیگر یا سیاهی فضا هستند – تنها 1 درصد آنها شکل‌های ظریف کهکشان‌های کم‌نور را دارند.
الگوریتم‌های هوش مصنوعی – به‌ویژه، شبکه‌های عصبی که از گره‌های به هم پیوسته زیادی استفاده می‌کنند و می‌توانند الگوها را بیاموزند – برای انتخاب الگوهای کهکشان‌ها کاملاً مناسب هستند. ستاره شناسان از اوایل دهه 2010 شروع به استفاده از شبکه های عصبی برای طبقه بندی کهکشان ها کردند. اکنون الگوریتم‌ها آنقدر مؤثر هستند که می‌توانند کهکشان‌ها را با دقت 98 درصد طبقه‌بندی کنند.
این داستان در سایر حوزه های نجوم نیز تکرار شده است. اخترشناسانی که روی SETI، یا همان جستجوی هوش فرازمینی کار می کنند، از تلسکوپ های رادیویی برای جستجوی سیگنال های تمدن های دور استفاده می کنند.
در اوایل، ستاره شناسان رادیویی نمودارها را با چشم اسکن می کردند تا به دنبال ناهنجاری هایی باشند که قابل توضیح نبود. اخیراً، محققان 150000 رایانه شخصی و 1.8 میلیون شهروند دانشمند را برای جستجوی سیگنال های رادیویی مصنوعی به کار گرفتند.
اکنون، محققان از هوش مصنوعی برای غربال کردن مجموعه‌ای از داده‌ها بسیار سریع‌تر و کامل‌تر از افراد علاقمندِ غیرمتخصص استفاده می‌کنند. این به تلاش‌های SETI اجازه می‌دهد تا مساحت بیشتری را پوشش دهند و در عین حال تعداد سیگنال‌های مثبت کاذب را به میزان زیادی کاهش دهند.
مثال دیگر جستجو برای سیارات فراخورشیدی است. اخترشناسان بیشتر 5300 سیاره فراخورشیدی شناخته شده را با اندازه گیری کاهش میزان نوری که از یک ستاره در هنگام عبور یک سیاره از مقابل آن می گذرد، کشف کردند. ابزارهای هوش مصنوعی اکنون می توانند نشانه های یک سیاره فراخورشیدی را با دقت 96 درصد تشخیص دهند.
