วิธีที่ AI ช่วยสร้างแผนที่จักรวาล

ปัญญาประดิษฐ์ (AI) ได้กลายเป็นเครื่องมือที่สำคัญสำหรับการทำความเข้าใจโลกของเรา และตอนนี้เมื่อความสนใจในการสำรวจอวกาศได้รับการฟื้นฟู AI ก็สามารถทำเช่นเดียวกันกับโลกอื่น ๆ ได้

尽管นักวิทยาศาสตร์ศึกษามาหลายทศวรรษ แต่ยังไม่รู้จักมากเกี่ยวกับจักรวาลนอกชั้นบรรยากาศของโลก การสร้างแผนที่ดาวเคราะห์ ดาวฤกษ์ กาแลคซี่ และการเคลื่อนที่ของพวกมันจะช่วยให้เข้าใจได้ดีขึ้น แต่การทำเช่นนี้มักเป็นงานที่ท้าทาย AI ทำให้ง่ายขึ้นในหลายๆ ด้าน

1. การระบุตัวดาวเคราะห์

เมื่อจักรวาลมีขนาดใหญ่และไกลออกไป มักจะยากที่จะบอกว่าสิ่งไหนคืออะไร ระบบการมองเห็นของเครื่องจักรสามารถช่วยได้โดยการแยกแยะระหว่างวัตถุทางดาราศาสตร์ต่างๆ เมื่อทำเช่นนั้นด้วยตาเปล่าจะไม่น่าเชื่อถือ

นักวิจัยจากมหาวิทยาลัยฮาวายได้พัฒนาแบบจำลอง AI ที่มีแนวโน้มในเรื่องนี้ในปี 2020 โมเดลเครือข่ายประสาทของพวกเขาสามารถ ระบุแกแลคซี่ได้ถูกต้อง 98.1% และได้ความถูกต้อง 97.8% และ 96.6% สำหรับดาวและควาซาร์ตามลำดับ ในผลลัพธ์ พวกเขาสามารถรวบรวมแค็ตตาล็อกขนาด 300 กิกะไบต์ของวัตถุทางดาราศาสตร์ข้ามสามในสี่ของท้องฟ้า

เมื่อโทรสโกป์และดาวเทียมให้ภาพจักรวาลมากขึ้น อัลกอริทึมการจำแนกประเภทเช่นนี้สามารถช่วยให้การตีความข้อมูลง่ายขึ้น เมื่อนักวิทยาศาสตร์รู้ว่าพวกเขาเห็นอะไร พวกเขาก็สามารถทำการวิจัยได้อย่างแม่นยำ

2. การวัดระยะทาง

การสร้างแผนที่จักรวาลไม่ใช่แค่เรื่องของการรู้ว่ามีอะไรอยู่ที่ไหน นักวิจัยต้องวัดระยะทางระหว่างวัตถุเพื่อเข้าใจขนาดและเคลื่อนที่ระหว่างกาแลคซี่หรือวางแผนการบินของดาวเทียมหรือยานอวกาศในอนาคต AI ช่วยในด้านนี้เช่นกัน

การคำนวณระยะทางโดยการตรวจสอบกิจกรรมทางดาราศาสตร์ต้องใช้สมการทางคณิตศาสตร์ที่ซับซ้อน — ซึ่งเป็นประเภทที่ AI มีความเชี่ยวชาญ การแก้ปัญหาหนึ่ง ได้ความถูกต้อง 76% ในการกำหนดขนาดและพื้นที่ระหว่างเมฆโมเลกุลโดยการวิเคราะห์ข้อมูลจากโทรสโกป์วิทยุ อีกวิธีหนึ่งวัดระยะห่างของการระเบิดแกมมาโดยการตรวจสอบข้อมูลจากโทรสโกป์ที่พื้นดิน

เครื่องมือเช่นนี้ให้การประมาณการระยะทางและความเร็วของกิจกรรมในจักรวาลที่แม่นยำยิ่งขึ้น เมื่อโมเดลมีข้อมูลเพิ่มขึ้น พวกมันจะสามารถบอกถึงการเดินทางอวกาศที่ปลอดภัยยิ่งขึ้นหรือให้ข้อมูลที่ดีขึ้นเกี่ยวกับกิจกรรมเช่นสุริยะหรือซูเปอร์โนวา

3. การทำความเข้าใจท้องฟ้าในอดีต

AI ยังช่วยสร้างแผนที่จักรวาลโดยการวิเคราะห์การเคลื่อนที่ทางดาราศาสตร์ในอดีต แม้ว่าจะไม่มีหลักฐานที่ละเอียดเกี่ยวกับท้องฟ้าตลอดประวัติศาสตร์ แต่ส่วนใหญ่ของท้องฟ้าที่มองเห็นได้จริงๆ เป็นการแสดงภาพของอดีตเนื่องจากเวลาที่แสงเดินทาง ดังนั้น นักวิทยาศาสตร์สามารถใช้ AI เพื่อสร้างแบบจำลองและเข้าใจแนวโน้มในอดีต

การศึกษาหนึ่งสร้างแบบจำลอง AI เพื่อสร้าง แค็ตตาล็อกของกาแลคซี่มากกว่า 17,000 กาแลคซี่ ใกล้กับทางช้างเผือก เนื่องจากพวกมันวิเคราะห์พื้นที่ที่อยู่ห่างจากโลกมาก การจำลองที่ได้สะท้อนถึงอดีตที่ไกลออกไป โดยเปิดเผยข้อมูลใหม่เกี่ยวกับวิธีการเคลื่อนที่ของวัตถุทางดาราศาสตร์ข้ามหลายพันปี แผนที่ที่ได้รวมโครงสร้างของมATTERมืดที่นักวิจัยไม่เคยรู้มาก่อน

ข้อมูลเช่นนี้แสดงให้เห็นว่ากาแลคซี่ได้เปลี่ยนแปลงและกระทบกันอย่างไรตลอดประวัติศาสตร์ การทำความเข้าใจสิ่งนี้เป็นกุญแจสำคัญในการเข้าใจว่าจักรวาลทำงานอย่างไรในระดับที่กว้างขึ้น

4. การคาดการณ์การเปลี่ยนแปลงในอนาคต

AI สามารถให้ภาพอนาคตได้เมื่อมันเรียนรู้เกี่ยวกับอดีต โมเดลการวิเคราะห์เชิงพยากรณ์ đãใช้แนวคิดนี้ในการคาดการณ์การขายและการระบาดของโรค และอาจทำเช่นเดียวกันกับเหตุการณ์ทางดาราศาสตร์ที่สำคัญ

การแก้ปัญหา AI ที่จำลองการเคลื่อนที่ของกาแลคซี่ในอดีตได้แสดงให้เห็นว่ากาแลคซี่ทางช้างเผือกและกาแลคซี่แอนดรอเมดาเคลื่อนที่เข้าหากัน เมื่อมีข้อมูลเพิ่มเติมและโมเดลการคาดการณ์ นักวิทยาศาสตร์อาจสามารถกำหนดได้ว่าอาจเกิดการชนกันในอนาคตไกล

การคาดการณ์ที่ได้รับจากการใช้ AI มีประโยชน์อย่างมากในระดับที่เล็กกว่า การวิเคราะห์เชิงพยากรณ์สามารถช่วยให้นักวิจัยคาดการณ์เกี่ยวกับพายุอวกาศหรือการเคลื่อนที่ของดาวเคราะห์น้อยเพื่อทราบว่าเมื่อใดที่ต้องดำเนินการเพื่อป้องกันความเสียหายหรือการหยุดชะงักบนโลก

5. การสร้างแผนที่ดาวเคราะห์ที่แม่นยำ

เครื่องมือ AI บางตัวใช้วิธีการที่แคบกว่าในการสร้างแผนที่จักรวาล แม้ว่าการทำความเข้าใจดวงดาวจะมีความสำคัญ แต่การสร้างแผนที่พื้นผิวดาวเคราะห์จริงอาจมีประโยชน์มากกว่าในระยะสั้น โดยเฉพาะเมื่อการสำรวจอวกาศเพิ่มขึ้น ยานสำรวจดาวอังคารของ NASA ใช้ AI ในการนำทาง แล้ว และเทคโนโลยีที่คล้ายกันสามารถสร้างการสำรวจดาวเคราะห์นอกระบบที่มีรายละเอียด

การสร้างแผนที่ธรณีวิทยาของดาวเคราะห์ที่อยู่ห่างออกไปหมายถึงการรวมข้อมูลจำนวนมากจากแหล่งต่างๆ ซึ่งอาจเป็นเรื่องที่ท้าทาย ใช้เวลาหลายชั่วโมง และมีโอกาสให้เกิดข้อผิดพลาด AI สามารถรวบรวมข้อมูลเหล่านี้เพื่อสร้างแหล่งข้อมูลเดียวที่เชื่อถือได้เร็วขึ้นและแม่นยำยิ่งขึ้น

การเรียนรู้ของเครื่องสามารถค้นหาความคล้ายคลึงและรูปแบบในข้อมูลจำนวนมากที่มนุษย์อาจพลาดไป ดังนั้นจึงอาจระบุโครงสร้างธรณีวิทยาที่นักวิทยาศาสตร์อาจพลาดได้ เครื่องมือเหล่านี้ยังสามารถเปลี่ยนกลุ่มข้อมูลที่แตกต่างกันให้เป็นแผนที่เดียวที่ใช้งานได้เพื่อช่วยในการสำรวจต่อไป

6. การเร่งการสร้างแผนที่

ในด้านการประยุกต์ใช้ทั้งหมด เครื่องมือการสร้างแผนที่ AI ทำให้กระบวนการวิเคราะห์และเข้าใจจักรวาลเร็วขึ้น ซึ่งสำคัญเพราะการค้นพบที่เร็วขึ้นนำไปสู่นวัตกรรมที่เร็วขึ้นและทำให้การวิจัยที่ลึกซึ้งยิ่งขึ้นเป็นไปได้แม้ในสภาพแวดล้อมที่มีเวลาจำกัด

การศึกษาจากนักวิจัยในญี่ปุ่นเน้นถึงศักยภาพนี้ ทีมงานได้พัฒนาเครื่องจำลอง AI เพื่อสร้างแบบจำลองกาแลคซี่และกระจายตัวของมATTERมืด มัน ใช้เวลาเพียง 1 วินาทีบน CPU ในการรันการจำลองเมื่อโดยปกติจะใช้ซูเปอร์คอมพิวเตอร์หลายชั่วโมง ความเร็วดังกล่าวไม่ส่งผลต่อความแม่นยำ

เมื่อกระบวนการสร้างแผนที่ใช้เวลาน้อยลง นักวิทยาศาสตร์สามารถทำได้มากขึ้น ดังนั้นชุมชนดาราศาสตร์จึงสามารถได้รับข้อมูลเชิงลึกเพิ่มเติมโดยไม่ต้องมีโครงการที่ใช้เวลานานและต้องใช้เงินมากซึ่งอาจยากที่จะหาเงินทุน

7. การทำให้การวิจัยเข้าถึงได้ง่ายขึ้น

ในทำนองเดียวกัน AI ทำให้การวิจัยนี้เป็นไปได้สำหรับกลุ่มคนที่ใหญ่ขึ้น เมื่อเวลาในการสร้างแผนที่ลดลง ต้นทุนที่เกี่ยวข้องก็ลดลงด้วย การเพิ่มประสิทธิภาพเหล่านี้หมายความว่าบริษัทขนาดเล็กหรือนักวิจัยที่มีเงินทุนน้อยสามารถเข้าร่วมในการศึกษาแบบเดียวกันได้

การสำรวจดาราศาสตร์แบบเดิมๆ สามารถมีราคาหลายพันล้านดอลลาร์ ต่อๆ ไป — มากกว่าที่หลายบริษัทหรือสถาบันการศึกษาสามารถจ่ายได้ AI ลดค่าใช้จ่ายเหล่านี้ในหลายๆ วิธี สิ่งที่เห็นได้ชัดที่สุดคือการลดเวลาในการทำการวิจัย แต่ประโยชน์ของ AI ยังไปไกลกว่านั้น

โมเดลการเรียนรู้ของเครื่องจักรที่ซับซ้อนสามารถให้ผลลัพธ์ที่ยอมรับได้ด้วยข้อมูลที่น้อยลง ซึ่งลดค่าใช้จ่ายที่เกี่ยวข้อง อัลกอริทึมที่พร้อมใช้งานกำลังเป็นที่นิยมมากขึ้นเมื่อเทคโนโลยีนี้เติบโต ซึ่งลดค่าใช้จ่ายด้านเทคโนโลยีและเวลาการฝึกอบรมแบบจำลอง Trends เช่นนี้จะทำให้การสร้างแผนที่อวกาศเป็นประชาธิปไตย ส่งเสริมการวิจัยที่หลากหลาย ซึ่งนำไปสู่นวัตกรรม

AI เปิดเผยความลับของจักรวาล

นักวิทยาศาสตร์ต้องสร้างแผนที่จักรวาลที่มีรายละเอียดมากขึ้นเพื่อให้การสำรวจอวกาศในอนาคตสามารถเริ่มต้นได้ AI อาจเป็นกุญแจสำคัญในการทำเช่นนั้น

AI ได้ขับเคลื่อนการปรับปรุงที่น่าประทับใจทั่วทั้งการวิจัยดาราศาสตร์จำนวนมาก มันจะดีขึ้นเมื่อทีมงานจำนวนมากขึ้นยอมรับเทคโนโลยีนี้ — พารามิเตอร์ที่เหมาะสมจะชัดเจนขึ้น และข้อมูลที่เกี่ยวข้องจะเติบโต การเรียนรู้ของเครื่องอาจเป็นตัวเร่งให้เกิดการแข่งขันอวกาศครั้งที่สองในแนวโน้มนี้