AI en de hemel

AI en sterrenwaarneming

Moderne telescopen en ruimtemissies leveren meer data op dan mensen met de hand kunnen bekijken. Daarom gebruiken sterrenkundigen machine learning, een tak van AI, om signalen op te sporen, objecten te sorteren en ongewone verschijnselen te markeren. AI is een hulpmiddel om te filteren en analyses te versnellen. Ontdekkingen worden nog steeds bevestigd door waarnemingen, controle en peer review door mensen.

Waarom sterrenkunde AI nodig heeft

Sterrenkunde is een van de meest data-rijke wetenschappen. De Gaia-missie van ESA heeft ruim een miljard sterren in kaart gebracht. NASA's Kepler-missie (tot de beëindiging in 2018) en TESS hebben de helderheid van enorme aantallen sterren in de tijd gevolgd. Nieuwe grondtelescopen, zoals het Vera C. Rubin Observatory in Chili, zijn ontworpen om de hemel steeds opnieuw te fotograferen en alles vast te leggen wat verandert.

Het resultaat is een stortvloed aan beelden en metingen die geen team met het oog kan doorlopen. Hier helpt machine learning: een tak van kunstmatige intelligentie (AI) waarbij een computer patronen leert herkennen aan de hand van voorbeelden, in plaats van met de hand geschreven regels te volgen. Het is geen magie. Het is gewoon goed in repetitief werk waarbij een mens moe wordt of iets over het hoofd ziet.

Op jacht naar exoplaneten

Exoplaneten (planeten rond andere sterren) worden vaak gevonden met de transitmethode: als een planeet voor haar ster langs schuift, zakt het sterlicht even licht en periodiek. Die dipjes moeten worden onderscheiden van ruis, zonnevlekken (hier: sterrenvlekken) en bedekkingsveranderlijke dubbelsterren.

Een bekend voorbeeld is Kepler-90. In 2017 maakte NASA bekend dat een machine-learningmethode, ontwikkeld samen met Google, in Kepler-data een extra planeet had gevonden: Kepler-90i. Daarmee werd Kepler-90 het eerste bekende stelsel met acht planeten, net als ons zonnestelsel. Het liet zien hoe een algoritme een zwak signaal kan opmerken dat gemakkelijk over het hoofd wordt gezien. Toch kwamen de gegevens van een telescoop en werd het resultaat door wetenschappers gecontroleerd en gepubliceerd.

Hetzelfde idee wordt gebruikt bij TESS-data: software stelt kandidaten voor en mensen beslissen welke vervolgwaarnemingen verdienen. Veel kandidaten blijken loos alarm, en dat hoort gewoon bij het proces.

Sterrenstelsels sorteren

Als surveys miljoenen sterrenstelsels fotograferen, moet iemand ze sorteren: spiraalvormig, elliptisch, samensmeltend enzovoort. Galaxy Zoo is een beroemd voorbeeld van samenwerking: vrijwilligers over de hele wereld classificeren beelden van sterrenstelsels. Die menselijke labels zijn ook waardevol trainingsmateriaal voor algoritmen, die daarna veel grotere collecties kunnen sorteren.

Vergelijkbare methoden helpen bij andere taken: exploderende sterren (supernova's) ontdekken in nieuwe opnamen, sporen van asteroïden vinden of zeldzame objecten markeren die op niets bekends lijken. AI werkt vaak als een filter dat wetenschappers vertelt waar het de moeite waard is om te kijken.

Hoe AI een amateur kan helpen

Je hoeft geen professional te zijn om van deze ideeën te profiteren. Een paar realistische, bescheiden toepassingen:

• Je avond plannen: apps en AI-assistenten kunnen samenvatten wat er boven de horizon staat, wanneer de Maan ondergaat en welke objecten het zoeken waard zijn. Controleer exacte tijden in een goede efemeriden-tool of sterrenkaart.
• Objecten herkennen: sterrenkaart-apps gebruiken de camera en locatiegegevens van je telefoon om te zeggen naar welke heldere stip je kijkt. Vaak is dat een planeet en geen ster.
• Foto's bewerken: sommige software vermindert ruis in astrofoto's. Wees voorzichtig: zware bewerking kan details verzinnen die er in werkelijkheid niet zijn.
• Leren en uitleggen: AI kan je helpen termen te begrijpen, maar de antwoorden moet je met betrouwbare bronnen controleren.

Voor de basis van waarnemen, zie hoe je naar de hemel kijkt, en als je apparatuur kiest, verrekijker of telescoop. Over de sterrengegevens achter veel moderne tools lees je meer bij de sterrencatalogi Gaia en Hipparcos.

De grens: AI helpt, mensen controleren

AI heeft duidelijke beperkingen:

• Het hangt af van de data. Als de trainingsvoorbeelden onvolledig of vertekend zijn, mist of verwart de software bepaalde objecten.
• Het kan met overtuiging fout zijn. Taalmodellen geven soms plausibele maar onjuiste antwoorden. Meer hierover: AI-hallucinaties.
• Het vervangt waarneming niet. Een planeetkandidaat is slechts een kandidaat totdat onafhankelijke metingen die bevestigen.
• Het draagt geen verantwoordelijkheid. Een wetenschappelijk resultaat wordt verdedigd door mensen, met methoden die anderen kunnen herhalen en met peer review.

De goede praktijk is dus eenvoudig: gebruik AI als hulp en controleer de feiten die ertoe doen. Hoe je dat doet, lees je bij feitencontrole met AI en bij wat AI wel en niet kan.

Het mooiste is dat AI de verwondering over de hemel niet wegneemt. Het neemt het zware rekenwerk over, terwijl jij en de sterrenkundigen behouden wat het belangrijkst is: nieuwsgierigheid, geduld en het plezier om omhoog te kijken en zelf te controleren.

Posities in Astronativa zijn astronomisch exact. De duiding is bedoeld als inspiratie. · Woordenlijst · Voorwaarden · Privacy · Dank je wel