盖利奥会怎么做?
一群科学家和天文学家成功地利用人工智能和机器学习来识别和分类超新星。这是对明亮瞬态调查(BTS)机器人项目的测试,该项目是一个更广泛的项目的一部分,该项目旨在观察和分类超过特定亮度水平的超新星。
BTSbot背后的团队表示,它可以省去确认探测到的事件是否是恒星爆炸的人类中间人,让研究人员有更多时间分析这一天象。该机器人于上周启动,由私立研究机构西北大学的学生和教职员工负责。
西北大学助理教授Adam Miller说:“这是向前迈出的重要一步,因为模型的进一步完善将使机器人能够分离出恒星爆炸的特定亚型。”。“最终,将人类从循环中移除为研究团队提供了更多的时间来分析他们的观测结果,并开发新的假设来解释我们观测到的宇宙爆炸的起源。”
一些人对被人工智能取代表示担忧,并抵制取消“人类中间人”的想法,但米勒表示,目标是效率。
项目联合负责人、天文学研究生Nabeel Rehemtulla告诉_Decrypt_:“我们从2018年这个项目开始就一直在做这件事。”。“因此,我们现在有数以万计的超新星,我们可以对其进行训练和建模,并使这一过程自动化。”
[Zwicky瞬态设施]在这张来自加利福尼亚州帕洛马天文台的“第一道光”图像中可以看到马头星云。图片:加州理工大学光学观测站
超新星是一颗恒星的爆炸,它释放出大量的能量,使整个星系短暂地黯然失色。当恒星耗尽其核心的核燃料,导致灾难性的坍塌时,就会发生这种情况。
Zwicky瞬态设施(ZTF)位于加利福尼亚州圣地亚哥的帕洛马天文台,以天文学家Fritz Zwicky的名字命名,成立于2018年,旨在快速识别这些宇宙事件。
BTSbot项目团队由Rehemtulla和Miller领导,成员来自西北大学、加州理工大学、利物浦约翰摩尔大学和明尼苏达大学。
在训练人工智能模型时,Rehemtulla向算法提供了来自16000个来源的140多万张历史图像。这些来源包括已确认的超新星、暂时燃烧的恒星、周期变化的恒星和燃烧的星系。
Rehemtulla解释说,每年大约有1300到1400颗超新星,产生了大量的数据进行分析。他说,“明亮瞬变调查”测量的是任何来来去去、变亮和变暗的东西,是一次性的事件。
Rehemtulla说:“给模特一套干净、有代表性的训练真的很重要。”。“所以我们一开始是回去看看哪些超新星或哪些其他东西最初通过了BTS过滤器。”
Rehemtulla解释说,通过这样做,很容易排除非超新星的天体。
[仙女座星系]一张新的仙女座星系合成图像,由帕洛玛天文台拍摄的三条可见光波段组合而成。图片:ZTF/D。Goldstein和R.Hurt(加州理工学院)
BTSbot集成到观测门户中,使天文学家可以看到模型产生的分数,这样他们就可以很容易地看到模型在做什么。Rehemtulla补充道,加州理工学院的研究人员致力于整合,确保一旦人工智能发出请求,人类就不会发出重复的请求。
他说:“所以我们可以回顾过去五、六年中每晚的50件事。这些都是我们用于训练的样本。”。“基本上,人类在过去五、六年中审查过的任何东西。”
Rehemtulla表示,尽管该项目取得了成功,但也并非没有障碍,主要是在审查和检查图像并确保其高质量方面,这导致BTSbot的推出出现了短暂的延迟。
他说:“有很多事情推迟了开发,其中之一是建立一个足够大的训练集,让模型可以学习,但要保持干净。你不想把我们望远镜探测到的所有东西都扔进去,然后开始在里面堆垃圾。”
随着人工智能变得越来越普遍,这项技术正在进入几个研究领域,包括癌症治疗、军事防御和教育。尽管人工智能对社会的未来充满希望,但专家警告说,这项技术继续表现出一些令人不安的习惯,包括偏见、种族主义和撒谎。
Rehemtulla还表示,在天文学中使用人工智能时需要谨慎,并承认人工智能模型可能会形成选择偏差,这将威胁到人工智能模型在识别其他星系天体方面的持续准确性。
他说:“我们发现了99%以上的病例,所以实际上我们并不太担心。”。“将人工智能应用于天文学的人需要思考的是,我们在研究中存在什么样的偏见?”