Sztuczna inteligencja pozwoliła już na odkrycie setek tysięcy galaktyk, tysięcy asteroid i nowych planet. AI analizuje dane szybciej niż człowiek, ale automatyzacja badań niesie też wyzwania i ryzyko błędów.
Sztuczna inteligencja zmienia świat wokół nas, w tym także astronomię. Już w latach 2022–2024 algorytmy uczenia maszynowego przeanalizowały dane z teleskopu Subaru i pomogły odkryć 430 tysięcy nowych galaktyk, w tym około 30 tysięcy galaktyk pierścieniowych. Z kolei w maju 2024 roku zespół badaczy wykorzystujący algorytm Tracklet-less Heliocentric Orbit Recovery ogłosił odkrycie ponad 27 tysięcy nieznanych wcześniej asteroid, który „skrywały się” na starych zdjęciach nieba. Dzięki AI udało się też zidentyfikować 1,5 miliona nowych obiektów zmiennych, takich jak kwazary i eksplodujące gwiazdy.
AI wspiera także badania nad egzoplanetami i już przyniosła konkretne odkrycia. W 2021 roku algorytm ExoMiner, oparty na głębokiej sieci neuronowej i wykorzystujący dane z teleskopu Kepler, potwierdził istnienie 301 nieznanych dotąd egzoplanet. ExoMiner wyróżnia się tym, iż potrafi nie tylko odróżniać prawdziwe planety od fałszywych sygnałów, ale także wyjaśniać, jak doszedł do swoich wniosków, co zwiększa zaufanie naukowców do wyników.
W 2019 roku AI odkryła dwie nowe „superziemie” – K2-293b i K2-294b – analizując dane z misji Keplera przy użyciu sieci AstroNet-K2. W tym samym roku zespół z Uniwersytetu Warwick potwierdził 50 kolejnych egzoplanet dzięki algorytmom uczenia maszynowego, które skutecznie oddzielały prawdziwe planety od fałszywych alarmów. Z kolei w kwietniu tego roku AI wytypowałą 44 systemy gwiazdowe, które najprawdopodobniej skrywają skaliste planety podobne do Ziemi, zaś model osiągnął przy tym precyzję na poziomie 99%.
Na czym polega trenowanie algorytmów AI w astronomii? Przede wszystkim na wykorzystaniu ogromnych zbiorów danych z teleskopów oraz syntetycznych symulacji. Modele uczą się rozpoznawać wzorce na podstawie zdjęć, krzywych blasku czy też widm gwiazd. Przykładem jest system Tracklet-less Heliocentric Orbit Recovery, który rozpoznaje trajektorie asteroid na podstawie tysięcy obrazów.
Ogromne ilości danych generowane przez nowoczesne teleskopy, takie jak Square Kilometre Array, wymagają nowych rozwiązań informatycznych. AI nie tylko przyspiesza analizę tych danych, ale umożliwia też automatyczną klasyfikację miliardów obiektów. To pozwala naukowcom skupić się na interpretacji najciekawszych przypadków i planowaniu kolejnych badań.
Automatyzacja analizy danych w astronomii wiąże się jednak z wyzwaniami. Zaawansowane modele AI działają często jak „czarna skrzynka” – trudno mianowicie prześledzić, jak dochodzą do wniosków. Algorytmy mogą też generować fałszywe korelacje lub błędnie interpretować szum jako sygnał, co wymaga stałej kontroli przez naukowców. Na ten moment naukowcy podkreślają, iż AI nie zastąpi ludzi w zadawaniu nowych pytań i krytycznej analizie wyników. AI jest narzędziem, które realnie przyspiesza badania, ale niezmiennie wymaga nadzoru i weryfikacji przez ekspertów.
AI odkryło sekret czarnej dziury w centrum Drogi Mlecznej – co to oznacza dla astrofizyki?
