دو ستارهشناس از آژانس فضایی اروپا با استفاده از یک مدل هوش مصنوعی به نام AnomalyMatch موفق شدهاند بیش از ۱۴۰۰ جسم آسمانی «غیرعادی» را در آرشیو گسترده تلسکوپ فضایی هابل شناسایی کنند؛ دادههایی که دهها سال در این پایگاه ذخیره شده بود، اما بهطور سیستماتیک برای چنین مواردی جستوجو نشده بود.
جستوجوی ۱۰۰ میلیون تصویر در ۲.۵ روز
این تیم پژوهشی مدل هوش مصنوعی خود را روی دادههای ۳۵ ساله هابل آموزش داده و سپس آن را روی نزدیک به ۱۰۰ میلیون برش تصویری از آرشیو Hubble Legacy Archive اجرا کرده است. مدل در مدت حدود دو و نیم روز توانسته الگوهای غیرعادی را علامتگذاری کند تا بعداً بهصورت دستی توسط ستارهشناسان بررسی شوند؛ کاری که انجام آن بهصورت سنتی میتوانست سالها زمان ببرد.
نتیجه این جستوجو شناسایی نزدیک به ۱۴۰۰ جسم غیرعادی بود که بسیاری از آنها کهکشانهای در حال ادغام یا برهمکنش با یکدیگر هستند. علاوه بر این، پدیدههایی مانند عدسیهای گرانشی، کهکشانهای موسوم به «عروس دریایی» با دنبالههای گازی کشیده و کهکشانهایی با تودههای بزرگ ستارهای نیز در میان یافتهها دیده میشود. به گفته آژانس فضایی اروپا، حتی چند ده شیء نیز وجود دارد که فعلاً در هیچ دستهبندی متداولی قرار نمیگیرند.
چرا این کشف برای دنیای هوش مصنوعی مهم است؟
این کار نمونهای روشن از استفاده از هوش مصنوعی برای استخراج علم جدید از آرشیوهای دادهای عظیم است؛ آرشیوهایی که پیشتر با روشهای سنتی بهطور کامل کاوش نشده بودند. با رشد تلسکوپهای نسل جدید و انفجار حجم دادهها، بدون ابزارهای خودکار مبتنی بر هوش مصنوعی، تحلیل این اطلاعات برای تیمهای پژوهشی عملاً ناممکن خواهد شد. این رویکرد میتواند برای سایر پروژههای بزرگ علمی در حوزههای انرژی، محیطزیست و پزشکی نیز الگو باشد.
برای پژوهشگران و علاقهمندان ایرانی، چنین نمونههایی نشان میدهد که مهارت در ابزارهای هوش مصنوعی صرفاً برای کسبوکارهای تجاری مهم نیست، بلکه در خط مقدم علم هم تعیینکننده است. استفاده از مدلهای مشابه AnomalyMatch در دانشگاهها و مراکز پژوهشی داخل کشور نیز میتواند به کشف الگوهای پنهان در دادههای نجومی، پزشکی یا صنعتی کمک کند. در همین راستا، دسترسی به ابزارهای قدرتمند هوش مصنوعی از طریق خدماتی مانند خرید اکانت های هوشمصنوعی میتواند برای پژوهشگران و تیمهای استارتاپی داخلی یک مزیت عملی ایجاد کند.
پژوهش کامل این پروژه در مجله Astronomy & Astrophysics منتشر شده و آژانس فضایی اروپا نیز در بیانیهای رسمی، این استفاده از هوش مصنوعی را راهی برای «حداکثر کردن خروجی علمی» از آرشیو هابل توصیف کرده است. انتظار میرود در سالهای آینده، همین روش روی دادههای تلسکوپهای فضایی و زمینی دیگر نیز بهکار گرفته شود.
منبع خبر: The Verge
