هوش مصنوعی و رازهای پنهان کیهانی/ نجوم با فناوری جدید متحول شد
به گزارش خبرنگار حوزه علم، فناوری و دانشبنيان گروه دانشگاه خبرگزاری آنا، هوش مصنوعی همیشه دارای جنبهای آینده نگرانه است. چیزی که اغلب در فیلمهای سینمایی دیده میشود معمولا روباتهای انسان نماییاند که قادر به فکر کردن هستند و اعمالی قابل توجه را انجام میدهند، اما باید در واقع بدانیم هوش مصنوعی بی سر و صدا در زندگی روزمره ما راه پیدا کرده است(به عنوان مثال میتوان به سیری و الکسا، و خودروهای خودران اشاره کرد). هوش مصنوعی در علم و حوزههای گوناگون به محققان کمک کرده تا با جستجو و استفاده از دادهها پیشرفت زیادی کسب کنند و یکی از این حوزهها نجوم است.
توسعه فناوری هوش مصنوعی بر اساس الگوی ساختار مغز انسان
هوش مصنوعی هر چند از نظر بصیرت به انسان نزدیک نشده اما میتواند هر کار معمولی را که انسان قادر به انجامش است را به طور خودکار انجام دهد. همچنین برخورداریِ هوش مصنوعی از ملزومات ضروری برای جستجو و پردازش دادهها، آن را به ابزاری مناسب برای کاوش در جهان تبدیل کرده است. در حالی که به نظر میرسد در صنعت سرگرمی و سینما گرایش عمومی بر این است تا از هوش مصنوعی در به تصویر کشیدن روبات استفاده شود، علم بی سر و صدا شبکههایی را مبتنی بر سیستم عصبی مغز انسان ایجاد کرده تا از میان دادههای موجود برای یافتن چیزهای معنی دار و مرتب شده استفاده کند.
هوش مصنوعی چطور در نجوم مفید است؟
دو عنصر ضروری تکامل هوش مصنوعی، عبارتند از کلان دادهها و منابع پردازشی فراوان. پیشرفتهای عظیم تلسکوپها طی دهههای اخیر به این معنی است که اخترشناسان امروز دادههای زیادی دارند؛ بسیار بیشتر از آنچه که بدانند با آن چه کاری انجام دهند و خیلی بیشتر از آنچه که میتوانند از لحاظ سیستماتیک مرتباش کنند.
هوش مصنوعی به ویژه در تحلیل تصاویر خوب عمل میکند. برنامههای رایانهای مبتنی بر هوش مصنوعی(در یادگیری عمیق) از نورونهای دیجیتال شبیه مغز انسان استفاده میکنند تا الگوهای ورودی را بشناسند و در حین وارسی دادهها به دنبال درک تغییرات باشند. با استفاده از هوش مصنوعی از این شبکههای به اصطلاح عصبی برای جستجوی پدیدههایی مانند سیاه چالهها، امواج گرانشی و ماده تاریک، طبقه بندی کهکشانها و کشف سیارههای جدید استفاده شده است.
برای نمونه به کمک هوش مصنوعی سیارهی صخرهای و داغ کپلر 90آی(Kepler-90i)کشف شد. با این کشف تعداد کل سیارات در آن منظومه به عدد هشت رسید. برای شناسایی چنین سیارهای، یک برنامه رایانهای نوشته شد که وظیفهاش بررسی تصاویر و جستجوی دقیق و توجه به نقاط ریزی بود که میتوانستند سیاره باشند. شبکه عصبی تا 96 درصد دقیق عمل کرد و همچنین سیارهی فراخورشیدی دومی را نیز در منظومه کپلر 80 مشاهده نمود.
معرفی ناشناختهها
هوش مصنوعی میتواند در جستجوی امواج گرانشی و ماده تاریک مفید باشد. دانشمندان موسسه لایگو(Ligo)، رصدخانه موج گرانشی با تداخلسنج لیزری، گزارش داده که میتوان به کمک نوعی از هوش مصنوعی به نام فیلترینگ عمیق، دادههایی که توسط ردیاب برای شناسایی امواج گرانشی جمع آوری شدند را مرتبسازی کند. به طور مشابهی، هوش مصنوعی میتواند برای تسریع در حذف تداخلهای ایجاد شده در طی فرآیندهای پیچیده و جستجوی ذرات انبوه مورد استفاده قرار گیرد.
منجمان معتقدند که یادگیری ماشینی و هوش مصنوعی میتواند قسمتهایی از جهان که از دید انسان پنهان مانده بر اساس دادههای موجود آشکار کند و نقاط تاریک جهان را روشن سازد. معمولا تصاویر تار تلسکوپها را پیش از ارائه به شبکههای هوش مصنوعی با استفاده از کُنتراست از آن حالت مبهم خارج میکنند. GAN یا شبکه های مولد تخاصمی، نوعی شبکه عصبی است که برای تغییر دادههای موجود و ایجاد بهترین سناریو مورد استفاده قرار میگیرد. از GANها برای بهسازی تصاویر کهکشانها و افشای جزئیاتی که به دلیل حساسیت پایین تلسکوپها قبلا دیده نشده بودند - مانند نقاط تشکیل دهنده ستاره - استفاده میشود.
خوشههای کهکشان
خوشههای کهکشان برخی از سازههای عظیم جهان را تشکیل میدهند اما هنوز هم به سختی میتوان آنها را تشخیص داد. محققان دانشگاه لنکستر بدین منظور روی به فناوری هوش مصنوعی آوردهاند و برنامهی Deep-CEE را توسعه دادند. این برنامه به عنوان یک روش جدید یادگیری عمیق برای سرعت بخشیدن به روند یافتن خوشههای کهکشان مورد استفاده قرار میگیرد.
اکثر کهکشانها در محیطهایی با چگالی کم وجود دارند مانند کهکشان راه شیری و آندرومدا. اما خوشههای کهکشانی نادر هستند و مطالعه آنها میتواند به درک بهتر ماده تاریک(مادهای با هویتی ناشناخته که اکثر جرم کهکشان را تشکیل میدهد) کمک کند.
در طول دهه 1950، جورج ابل، پیشگام یافتن خوشههای کهکشان، سالهای زیادی را در جستجوی خوشههای کهکشانی با استفاده از یک لنز ذره بین و دوربین گذراند. او به طور دستی حدود 2000 صفحه عکاسی را تجزیه و تحلیل کرد و کارش منجر به تهیه کاتالوگ ابل از خوشههای کهکشان نیمکره شمالی شد. اکنون وضعیت جدید تلسکوپها به اخترشناسان این امکان را داده تا بتوانند وسیعتر و عمیقتر از گذشته ساختار جهان را مشاهده کنند و از زوایایِ گستردهی کشفنشدهی آن نقشهبرداری کنند. با انجام اتوماسیون این فرایند، دانشمندان میتوانند به سرعت مجموعه تصاویر را اسکن کرده و اطلاعات مهمی را با دقت و سرعت برگردانند.
فرازمینیها
موضوع دیگری که شاید برای عامه مردم قابل توجه باشد این است که دانشمندان معتقدند که از هوش مصنوعی میتوان برای جستجوی سیگنالهای رادیویی استفاده کرد و نشانههایی از هوش بیگانه یافت. اگر انسان صد روز طول بکشد تا ده هزار تصویر را بررسی کند، هوش مصنوعی با تکیه بر منابع پردازشی خود میتواند این کار را طی چند ساعت انجام دهد و دادهها را بدون دسته بندیهای از پیش تعیین شده بررسی کند. انسان اغلب فکر میکند که فرازمینیها باید مانند خود او باشند، اما این گونه تفکر، جستجوی او را محدود و محصور میکند. هوش مصنوعی باید به دنبال هر گونه ساختاری که به نظر میرسد منظم است بگردد و پارامترهای مختلف را مورد بررسی قرار دهد.
در آیندهی نه چندان دور هوش مصنوعی به بخشی کلیدی از ابزارهای نجومی برای پردهبرداری از رازهای کیهان مبدل خواهد شد. اگرچه یادگیری ماشینی و شبکههای عصبی اکثر اوقات دقیق هستند و در پر کردن شکافها بسیار خوب عمل میکنند، اما تنها راه یادگیری در مورد جهان، مشاهده مستقیم آن است، به عبارت دیگر ما هنوز به اخترشناسان انسانی برای اعتبارسنجی یافتههای هوش مصنوعی نیاز داریم.
انتهای پیام/4144/
انتهای پیام/