AI och himlen

AI och himlaobservationer

Moderna teleskop och rymdmissioner producerar mer data än människor hinner granska för hand. Därför använder astronomer maskininlärning, en gren av AI, för att söka efter signaler, sortera objekt och flagga det ovanliga. AI är ett verktyg för att filtrera och snabba upp analysen. Upptäckter bekräftas fortfarande genom observationer, kontroller och granskning av andra forskare (peer review).

Därför behöver astronomin AI

Astronomi är en av de mest datarika vetenskaperna. ESA:s Gaia-mission har kartlagt långt över en miljard stjärnor. NASA:s Kepler-mission (fram till att den avslutades 2018) och TESS har följt ljusstyrkan hos enorma mängder stjärnor över tid. Nya markbaserade himmelsundersökningar, som Vera C. Rubin-observatoriet i Chile, är byggda för att avbilda himlen gång på gång och fånga allt som förändras.

Resultatet är en störtflod av bilder och mätvärden som inget team kan granska med blotta ögat. Här hjälper maskininlärning: en gren av artificiell intelligens (AI) där en dator lär sig känna igen mönster utifrån exempel i stället för att följa handskrivna regler. Det är ingen magi. Den är helt enkelt bra på upprepade uppgifter där en människa skulle bli trött eller missa något.

Jakten på exoplaneter

Exoplaneter (planeter kring andra stjärnor) hittas ofta med transitmetoden: när en planet passerar framför sin stjärna sjunker stjärnljuset något, och det sker periodiskt. Dessa dips måste skiljas från brus, stjärnfläckar och förmörkelsevariabla dubbelstjärnor.

Ett välkänt exempel är Kepler-90. År 2017 meddelade NASA att en metod för maskininlärning, utvecklad tillsammans med Google, hade hittat ytterligare en planet, Kepler-90i, i Kepler-data. Därmed blev Kepler-90 det första kända systemet med åtta planeter, precis som vårt solsystem. Det visade hur en algoritm kan upptäcka en svag signal som lätt förbises. Men data kom ändå från ett teleskop, och resultatet kontrollerades och publicerades av forskare.

Samma idé används med TESS-data: programvaran föreslår kandidater, och människor avgör vilka som förtjänar uppföljande observationer. Många kandidater visar sig vara falska alarm, vilket är en normal del av processen.

Sortering av galaxer

När himmelsundersökningar fotograferar miljontals galaxer måste någon sortera dem: spiraler, elliptiska, sammanslagande och så vidare. Galaxy Zoo är ett känt exempel på samarbete: frivilliga över hela världen klassificerar galaxbilder. Dessa mänskliga bedömningar är också värdefullt träningsmaterial för algoritmer som sedan kan sortera betydligt större samlingar.

Liknande metoder hjälper till med andra uppgifter: att upptäcka exploderande stjärnor (supernovor) i nya bilder, hitta asteroidspår eller flagga sällsynta objekt som inte liknar något känt. AI fungerar ofta som ett filter som talar om för forskarna var det lönar sig att titta.

Hur AI kan hjälpa en amatör

Du behöver inte vara professionell för att ha nytta av de här idéerna. Några realistiska, blygsamma användningsområden:

• Planera kvällen: appar och AI-assistenter kan sammanfatta vad som finns ovanför horisonten, när Månen går ned och vilka objekt som är värda att leta efter. Kontrollera exakta tider i ett bra efemeridverktyg eller en stjärnkarta.
• Identifiera objekt: stjärnkarteappar använder telefonens kamera och platsdata för att tala om vilken ljus punkt du tittar på. Ofta är det en planet snarare än en stjärna.
• Bearbeta foton: viss programvara minskar bruset i astrofoton. Var försiktig: kraftig bearbetning kan hitta på detaljer som egentligen inte finns.
• Lära och förklara: AI kan hjälpa dig att förstå begrepp, men svaren bör kontrolleras mot pålitliga källor.

Om grunderna i att observera, se hur du tittar på himlen, och om du väljer utrustning, kikare eller teleskop. För stjärndata bakom många moderna verktyg, läs om stjärnkatalogerna Gaia och Hipparcos.

Gränsen: AI hjälper, människor verifierar

AI har tydliga begränsningar:

• Den är beroende av sin data. Om träningsexemplen är ofullständiga eller skeva kommer programvaran att missa eller förväxla vissa objekt.
• Den kan ha fel med full säkerhet. Språkmodeller ger ibland trovärdiga men felaktiga svar. Mer om detta: AI-hallucinationer.
• Den ersätter inte observation. En planetkandidat är bara en kandidat tills oberoende mätningar bekräftar den.
• Den bär inget ansvar. Ett vetenskapligt resultat försvaras av människor, med metoder som andra kan upprepa och med granskning av andra forskare (peer review).

God praxis är alltså enkel: använd AI som hjälpreda och kontrollera de fakta som spelar roll. Hur du gör det beskrivs i faktakontroll med AI och i vad AI kan och inte kan göra.

Det bästa är att AI inte tar bort himlens förundran. Den tar hand om det tunga räknearbetet, medan du och astronomerna behåller det viktigaste: nyfikenhet, tålamod och glädjen i att titta upp och kontrollera själv.

Positionerna i Astronativa är astronomiskt exakta. Tolkningen är till för inspiration. · Ordlista · Villkor · Integritet · Tack