Yapay zeka evren hakkında ne öğrenebilir?

Yapay zeka ve makine öğrenimi, veri analizi, siber güvenlik, ilaç geliştirme, müzik kompozisyonu ve sanatsal görselleştirmelere kadar çeşitli uygulamalarla her yerde yaygın hale geldi.

Son yıllarda, uzun uygulama listesine insan etkileşimi ve yazmayı da ekleyen büyük dil modelleri (LLM’ler) de ortaya çıktı. Buna, iki yıldan kısa bir süre önce piyasaya sürülmesinden bu yana derin bir etki yaratan bir LLM olan ChatGPT de dahildir. Bu uygulama, yapay zekanın potansiyel kullanımları ve sonuçları hakkında önemli tartışmalara (ve ihtilaflara) yol açtı.

Makine öğreniminin, gezegensel geçiş işaretlerini aramak, atmosferik paraziti düzeltmek ve gürültüdeki kalıpları bulmak için devasa miktarda veriyi sıralamak amacıyla kullanıldığı astronomi de büyük fayda sağladı. Uluslararası astrofizikçilerden oluşan bir ekibe göre bu, yapay zekanın astronomi için yapabileceklerinin yalnızca başlangıcı olabilir.

Yakın zamanda yapılan bir çalışmada ekip, astronomik nesnelerin gözlemlerini kullanarak Üretken Ön Eğitimli Transformatör (GPT) modeline ince ayar yaptı. Bu süreçte GPT modellerinin bilimsel araştırmalara etkili bir şekilde yardımcı olabileceğini başarıyla gösterdiler.

Çalışma, Uluslararası Göreli Astrofizik Merkezi (ICRA), Ulusal Astrofizik Enstitüsü (INAF), Bilim ve Teknoloji Üniversitesi’nden araştırmacılardan oluşan uluslararası bir konsorsiyum olan Uluslararası Göreli Astrofizik Ağı Merkezi (ICRANet) tarafından gerçekleştirildi. Çin, Çin Bilimler Akademisi Yüksek Enerji Fiziği Enstitüsü (CAS-IHEP), Padova Üniversitesi, İsfahan Teknoloji Üniversitesi ve Ferrera Üniversitesi.

Onların kağıt“Yapay Zeka Evrenimizi Anlayabilir mi? Astrofizik Verilere Göre GPT’nin İnce Ayarının Testi” yakın zamanda arXiv ön baskı sunucusu.

Bahsedildiği gibi gökbilimciler, modern teleskoplar ve aletler tarafından elde edilen veri hacimlerini sıralamak için büyük ölçüde makine öğrenimi algoritmalarına güveniyorlar. Bu uygulama yaklaşık on yıl önce başladı ve o zamandan bu yana hızla büyüyerek yapay zekanın tüm araştırma sürecine entegre edildiği noktaya geldi. ICRA Başkanı ve araştırmanın baş yazarı Yu Wang, Universe Today’e e-posta yoluyla şunları söyledi:

“Astronomi her zaman veriler tarafından yönlendirilmiştir ve gökbilimciler, makine öğrenimini benimseyen ve kullanan ilk bilim adamlarından bazılarıdır. Artık makine öğrenimi, yer tabanlı ve uzay tabanlı nesnelerin üretimi ve kontrolünden tüm astronomik araştırma sürecine entegre edilmiştir. teleskoplar (örneğin, uyarlanabilir optik sistemlerin performansının optimize edilmesi, belirli koşullar altında uyduların belirli eylemlerinin (tetikleyicilerinin) başlatılmasının iyileştirilmesi, vb.), veri analizine (örneğin, gürültü azaltma, veri atama, sınıflandırma, simülasyon vb.) ve teorik modellerin oluşturulması ve doğrulanması (örneğin, değiştirilmiş yerçekiminin test edilmesi, nötron yıldızlarının durum denkleminin kısıtlanması, vb.).”

Veri analizi, makine öğreniminin entegre edilebileceği en kolay alan olduğundan bu uygulamalar arasında en yaygın olanı olmaya devam etmektedir. Geleneksel olarak düzinelerce araştırmacı ve yüzlerce yurttaş bilim insanı, bir gözlem kampanyasının ürettiği veri hacimlerini analiz ederdi.

Ancak modern teleskopların her gün terabaytlarca veri topladığı bir çağda bu pek pratik değil. Buna, Çok Büyük Dizili Gökyüzü Araştırması (VLASS) gibi tüm gökyüzü araştırmaları ve Sloan Dijital Gökyüzü Araştırması (SDSS) tarafından yürütülen birçok aşama dahildir.

Bugüne kadar, yüksek lisans dereceleri, nispeten yeni bir yaratım oldukları göz önüne alındığında, astronomik araştırmalara yalnızca ara sıra uygulanmıştır. Ancak Wang gibi savunuculara göre bu, muazzam bir toplumsal etkiye sahip ve “Sanayi Devrimi”ne eşdeğer bir alt limit potansiyeline sahip.

Üst sınıra gelince, Wang bunun önemli ölçüde değişebileceğini ve belki de insanlığın “aydınlanmasına veya yok olmasına” yol açabileceğini öngörüyor. Ancak Sanayi Devrimi’nin aksine, değişim ve entegrasyonun hızı yapay zeka için çok daha hızlı ve bu da benimsenmesinin ne kadar ileri gidebileceği konusunda soruları gündeme getiriyor.

Wang, astronomi alanındaki potansiyelini belirlemek için kendisinin ve meslektaşlarının önceden eğitilmiş bir GPT modelini benimsediğini ve astronomik olayları tanımlayacak şekilde ince ayar yaptığını söyledi:

“OpenAI önceden eğitilmiş modeller sağlıyor ve bizim yaptığımız da, orijinal modele dayalı olarak bazı parametrelerin değiştirilmesini içeren, astronomik verileri tanımasına ve bu verilerden sonuçları hesaplamasına olanak tanıyan ince ayar yapmaktı. Bu, OpenAI’nin bize bir Daha sonra astronomi alanında yüksek lisans öğrencisi olması için yetiştirdiğimiz lisans öğrencisi.

“Mütevazı bir çözünürlükle sınırlı veri sağladık ve normal modellere kıyasla GPT’yi daha az kez eğittik. Bununla birlikte, yaklaşık %90’lık bir doğruluğa ulaşan sonuçlar etkileyici. Bu yüksek doğruluk düzeyi, GPT’nin sağlam temeline atfedilebilir. zaten veri işlemeyi anlıyor ve iletişim becerilerinin yanı sıra mantıksal çıkarım yeteneklerine de sahip.”

Ekip, modellerine ince ayar yapmak için çeşitli kataloglardan elde edilen çeşitli astronomik olayların gözlemlerini tanıttı. Buna SDSS’den alınan 2.000 kuasar, galaksi, yıldız ve geniş soğurma hattı (BAL) kuasar örneği (her biri 500) dahildir. Ayrıca kısa ve uzun gama ışını patlamaları (GRB’ler), galaksiler, yıldızlar ve kara delik simülasyonlarına ilişkin gözlemleri de entegre ettiler. Test edildiğinde modelleri farklı fenomenleri başarılı bir şekilde sınıflandırdı, kuasar türleri arasında ayrım yaptı, kırmızıya kaymaya dayalı olarak mesafelerini çıkardı ve kara deliklerin dönüşünü ve eğimini ölçtü.

Wang, “Bu çalışma en azından Yüksek Lisans’ların astronomik verileri işleyebildiğini gösteriyor” dedi. “Ayrıca, bir modelin çeşitli astronomik veri türlerini işleme yeteneği, diğer özel modellerin sahip olmadığı bir yetenektir. Yüksek Lisans eğitimlerinin çeşitli veri türlerini entegre edebileceğini ve ardından dünyayı anlamamıza yardımcı olacak ortak temel ilkeleri belirleyebileceğini umuyoruz. Elbette. Bu zorlu bir görev ve gökbilimcilerin tek başına başarabileceği bir görev değil.”

Elbette ekip, deney yaptıkları veri setinin, modern gözlemevlerinin veri çıktılarıyla karşılaştırıldığında çok küçük olduğunu kabul ediyor. Bu, özellikle dünyanın en büyük dijital kamerası olan LSST kamerasını yakın zamanda alan Vera C. Rubin Gözlemevi gibi yeni nesil tesisler için geçerlidir!

Rubin faaliyete geçtiğinde, gecelik 15 terabayt veri sağlaması beklenen 10 yıllık Eski Uzay ve Zaman Araştırmasını (LSST) gerçekleştirecek! Wang, gelecekteki kampanyaların taleplerini karşılamanın gözlemevleri ve profesyonel yapay zeka şirketleri arasında iyileştirmeler ve işbirliği gerektireceğini söylüyor.

Bununla birlikte, yakın gelecekte astronomi alanında daha fazla yüksek lisans başvurusunun olacağı kaçınılmaz bir sonuçtur. Bu sadece muhtemel bir gelişme değil, aynı zamanda günümüzde astronomik çalışmaların ürettiği çok miktarda veri göz önüne alındığında gerekli bir gelişmedir. Ve bunun yakın gelecekte katlanarak artması muhtemel olduğundan, yapay zeka muhtemelen çalışma alanının vazgeçilmezi haline gelecektir.