Makine öğrenimi modelleri, ya tekrarlayan görevleri daha hızlı gerçekleştirerek ya da insan bilgisini perspektife koymaya yardımcı olan bazı sistematik içgörüler sağlayarak insan süreçlerini giderek artırıyor. UC Berkeley’deki gökbilimciler, yerçekimi mikromercekleme olaylarını modelledikten sonra her ikisinin de gerçekleştiğini görünce şaşırdılar ve bu, fenomen için yeni bir birleşik teoriye yol açtı.
Kütleçekimsel merceklenme, uzaktaki yıldızlardan ve diğer yıldız nesnelerinden gelen ışık, doğrudan gözlemci ile daha yakın olanın etrafında büküldüğünde, kısaca uzaktakinin daha parlak ama çarpık bir görüntüsünü verdiğinde meydana gelir. Işığın nasıl büküldüğüne (ve uzaktaki nesne hakkında bildiklerimize) bağlı olarak, ışığın etrafında büküldüğü yıldız, gezegen veya sistem hakkında da çok şey öğrenebiliriz.
Örneğin, parlaklıktaki anlık bir artış, görüş hattından geçen bir gezegen cismi olduğunu düşündürür ve bir nedenden dolayı “yozlaşma” olarak adlandırılan okumadaki bu tür anormallik, binlerce ötegezegeni tespit etmek için kullanılmıştır.
Onları gözlemlemenin sınırlamaları nedeniyle, bu olayları ve nesneleri kütleleri gibi bir avuç temel kavramın ötesinde ölçmek zordur. Ve yozlaşmaların genellikle iki olasılık altında olduğu düşünülür: uzaktaki ışığın her ikisine de daha yakın geçmesi. yıldız ya da gezegen belirli bir sistemde. Belirsizlikler genellikle, gezegenin görülen bozulma ölçeğine neden olmak için çok küçük olduğunu başka yollarla bildiğimiz gibi, diğer gözlemlenen verilerle uzlaştırılır.
UC Berkeley doktora öğrencisi Keming Zhang, biz gökyüzünü daha düzenli ve daha ayrıntılı olarak inceledikçe çok sayıda ortaya çıktıkları için bu tür mercek olaylarını hızlı bir şekilde analiz etmenin ve kategorize etmenin bir yolunu arıyordu. O ve meslektaşları, bilinen nedenler ve konfigürasyonlarla bilinen yerçekimi mikro mercekleme olaylarından elde edilen veriler üzerinde bir makine öğrenimi modeli eğittiler ve daha sonra onu daha az iyi nicelenmiş diğer bir grup model üzerinde serbest bıraktılar.
Sonuçlar beklenmedikti: gözlemlenen bir olayın iki ana yozlaşma türünden birinin altına düştüğünü ustaca hesaplamanın yanı sıra, düşmeyen pek çok şey buldu.
“Önceki iki yozlaşma teorisi, arka plan yıldızının ön plandaki yıldıza veya ön plandaki gezegene yakın geçiyor gibi göründüğü durumlarla ilgilidir. AI algoritması bize sadece bu iki durumdan değil, yıldızın ne yıldıza ne de gezegene yakın geçmediği ve önceki teorilerle açıklanamadığı durumlardan yüzlerce örnek gösterdi” dedi.
Şimdi, bu pekala kötü ayarlanmış bir modelden veya kendi hesaplamalarından yeterince emin olmayan bir modelden kaynaklanmış olabilir. Ancak Zhang, yapay zekanın insan gözlemcilerin sistematik olarak gözden kaçırdığı bir şeyi izlediğine ikna olmuş görünüyordu.
Sonuç olarak – ve bazı iknalardan sonra, yerleşik doktrini sorgulayan bir yüksek lisans öğrencisi hoşgörülü olduğu, ancak belki de teşvik edilmediği için – bu gözlemlerdeki yozlaşmanın nasıl açıklanabileceğine dair yeni, “birleşik” bir teori önermeye karar verdiler. sadece en yaygın vakalardı.
3 lensli bir dejenerasyon çözümünün simülasyonunu gösteren diyagram. Resim Kredisi: Zhang ve diğerleri
Mikromercekleme olaylarını gözlemleyen iki düzine yeni makaleye baktılar ve yeni teori verilere her ikisinden daha iyi uyduğunda, gökbilimcilerin gördüklerini yanlışlıkla şu veya bu tip olarak kategorize ettiklerini buldular.
“İnsanlar, aslında bu yeni yozlaşmayı sergileyen, ancak bunu fark etmeyen bu mikro mercekleme olaylarını görüyorlardı. Makalenin yazarlarından Ohio State Üniversitesi astronomi profesörü Scott Gaudi, “Bu, gerçekten de, kaçırmanın imkansız hale geldiği binlerce olaya bakarak makine öğrenimiydi” dedi.
Açık olmak gerekirse, AI yeni teoriyi formüle etmedi ve önermedi – bu tamamen insan zekasına bağlıydı. Ancak yapay zekanın sistematik ve kendinden emin hesaplamaları olmadan, basitleştirilmiş, daha az doğru olan teori muhtemelen daha uzun yıllar devam edecekti. Tıpkı insanların hesap makinelerine ve daha sonra bilgisayarlara güvenmeyi öğrenmesi gibi, bazı AI modellerine, önyargılardan ve varsayımlardan arındırılmış ilginç bir gerçeği ortaya çıkarmak için güvenmeyi öğreniyoruz – yani, eğer sadece kendi önyargılarımızı ve varsayımlarımızı onlara kodlamadıysak.
Yeni teori ve ona giden sürecin açıklaması bir makalede anlatılmıştır. Nature Astronomy dergisinde yayınlanan. Muhtemelen okuyucularımız arasındaki astronomlar için bir haber değildir (geçen yıl bir ön baskıydı), ancak makine öğrenimi ve genel bilim dalları bu ilginç gelişmeyi besleyebilir.