Поиск пригодных для жизни планет вне Солнечной системы — основная задача, которую уже сегодня решают астрономы по всему миру. Для ее решения используется несколько сверхмощных телескопов, в том числе миссии NASA TESS и Kepler. Проблема заключается в том, что такие устройства ежедневно генерируют огромный массив данных, проанализировать который быстро человеку не под силу. И здесь на помощь человеку приходят нейросети. «Известия» разбирались в том, как ИИ помогает изучать Вселенную.
Как ИИ открывает новые миры?
Современная астрономия — наука сверхмощных телескопов и новых технологий. Каждую ночь современные обзорные программы, такие как Legacy Survey of Time and Space в крупной чилийской обсерватории имени Веры Рубин, генерируют колоссальные объемы информации — до 20 терабайт за один сеанс наблюдений. Подобный объем данных человек может освоить, если посмотрит за один день несколько миллионов фильмов. Обработать такие массивы вручную физически невозможно, и именно здесь на помощь приходит искусственный интеллект.
Особенно ярко польза ИИ проявляется в поиске экзопланет, то есть тех, которые расположены за пределами Солнечной системы. Они важны, потому что помогают лучше понять Землю. Кроме того, с каждым новым открытием растет шанс обнаружить планету, пригодную для жизни. Сейчас на эту задачу настроены два космических телескопа NASA — миссия Kepler занимается углубленным изучением небольшого участка неба, а миссия TESS, напротив, сканирует всё доступное пространство.
Вместе они выявляют тысячи потенциальных планет, но эти данные требуют тщательной проверки. У человека на такую работу могут уйти годы, за которые программы предложат миллионы новых вариантов, и процесс станет бесконечным. Но на помощь астрономам могут прийти нейросети. Ярким примером стал новый алгоритм RAVEN (Ranking and Validation of ExoplaNets), разработанный специально для миссии TESS.
Программа изучает массив данных, предоставленный телескопом, ищет там потенциальные экзопланеты и сразу проверяет их, отделяя реальные открытия от ложных сигналов, которые могут возникать из-за активности звезд, посторонних «шумов» от используемой техники и других факторов. Причем делает это быстрее и точнее, чем это мог бы сделать человек.
Эффект от работы алгоритма впечатляет: с его помощью ученым удалось подтвердить открытие 118 новых экзопланет и выявить более 2 тыс. перспективных кандидатов в планеты.
Зачем нам информация об экзопланетах
Изучение новых планет, сгруппированных вокруг других звезд примерно по тому же принципу, по какому в Солнечной системе планеты выстраиваются вокруг Солнца, позволяет лучше понять законы, по которым устроена Вселенная.
Например, прояснить принципы, по которым планеты распределяются вокруг звезды, понять, как формируются и эволюционируют эти системы и почему объекты в них могут мигрировать или терять атмосферу.
Всё это позволяет нам лучше понять взаимоотношения Солнца и Земли и уточнить прогноз на будущее нашей планеты.
Задача максимум — найти другие планеты, пригодные для жизни. Но даже если это пока не удается, каждая новая выборка приближает астрономов к ответу на важный вопрос: как возникает планета, похожая на Землю, и что делает ее обитаемой.
Что дает машинное обучение
Открытия, которые делает алгоритм RAVEN, важны далеко за пределами академических исследований. Они не просто добавляют новые данные в каталоги, они помогают понять, где во Вселенной могут существовать условия, пригодные для жизни.
Анастасия Иванова, научный сотрудник отдела физики планет и малых тел Солнечной системы Института космических исследований РАН, отмечает, что миссия телескопа TESS, который сканирует всё небо, генерирует колоссальные массивы информации. Их обработка классическими методами заняла бы годы.
— Применение алгоритмов машинного обучения позволяет быстро отсеивать шум и сосредоточиться на действительно интересных событиях, — поясняет она. — Эти методы универсальны: хотя они развиваются в области компьютерных наук, их технологии эффективно применяются в астрономии и в других сферах, где требуется анализ больших данных.
Григорий Цуриков, научный сотрудник Института астрономии РАН, кандидат физико-математических наук, подчеркивает практическое значение таких открытий. По его мнению, поиск потенциально обитаемых миров — главная задача при изучении экзопланет.
— Всякий новый объект повышает наши шансы обнаружить жизнь за пределами Солнечной системы. С запуском современных телескопов появляется возможность исследовать их атмосферы на наличие молекул — индикаторов биологической активности. Обнаружение биомаркеров станет следующим важным шагом человечества в освоении дальнего космоса, — подчеркивает он.
История поиска экзопланет наглядно показывает, как меняется наше понимание Вселенной благодаря развитию методов анализа. Например, в начале исследований считалось, что все экзопланеты — это «горячие Юпитеры», большие газовые гиганты, близкие к своим звездам. Однако в действительности такие объекты просто было легче всего обнаружить. С развитием инструментов и алгоритмов стало возможным находить малые планеты в зоне обитаемости — именно на таких объектах, обращающихся вокруг спокойных звезд, наиболее вероятно существование жизни.
— В краткосрочной перспективе мы расширяем знания о планетных системах и процессах их формирования, — добавляет Иванова. — В долгосрочной перспективе накопленные данные помогут выбирать цели для межзвездных миссий и поиска жизни. Без корректного каталога экзопланет космическая экспансия была бы вслепую.
Может ли ИИ заменить астронома в изучении Вселенной
По общему мнению астрономов, многое зависит от того, как именно использовать ИИ. Научный сотрудник РАН отмечает, что в случае анализа данных миссии TESS есть риск пропустить уникальные или нестандартные системы.
— Если использовать только ИИ без дополнительного анализа, можно терять важную информацию. Использование алгоритмов ускоряет обработку данных, но результаты работы машины всегда требуют критического мышления человека, — объясняет Иванова.
ИИ выполняет роль ускорителя и фильтра, он берет на себя рутинную работу, обрабатывает огромные массивы данных, выявляет потенциально интересные объекты. А человек сохраняет ключевую роль в интерпретации результатов, детальном анализе и объяснении физики процессов.
— Самое главное, что именно исследователь ставит научную задачу, для решения которой можно использовать ИИ. В ближайшие годы можно ожидать дальнейшего развития автономных алгоритмов, способных находить всё более сложные и слабые сигналы, а также систем, которые интегрируют ИИ в управление телескопами и спутниками в реальном времени, — дополняет эксперт.
Однако даже в этом случае роль человека будет решающей. Постановка гипотез, проверка необычных открытий и объяснение их значимости останется за исследователем.
По сути, будущее астрономии видится как симбиоз. ИИ освобождает ученых от рутинной обработки данных, позволяя сосредоточиться на творческих и аналитических задачах, а человек задает направление исследований и обеспечивает научную строгость.
Доверяете ли вы открытиям, сделанным искусственным интеллектом?