ИИ может надежно выявлять молекулы на экзопланетах и, возможно, однажды даже откроет новые законы физики

Разработан метод, позволяющий заглянуть в процесс принятия решений искусственным интеллектом (ИИ), исследующим экзопланеты.

Об этом пишут Кай Хоу (Гордон) и Квентин Ченджат из Университетского колледжа Лондона в издании The Conversation, передают OstanniPodii.com

Знаете ли вы, из чего состоит атмосфера Земли? Наверняка вы помните, что это кислород и, может быть, азот. И с помощью поиска в Интернете можно легко найти более точный ответ: 78% азота, 21% кислорода и 1% газа аргона. Однако когда дело доходит до состава экзо-атмосфер — атмосфер планет за пределами нашей Солнечной системы — ответ неизвестен. Это досадно, поскольку атмосфера может указывать на природу планет и на то, могут ли они содержать жизнь.

Поскольку экзопланеты находятся так далеко, изучать их атмосферу очень трудно. Исследования показывают, что искусственный интеллект может быть наилучшим шансом для их изучения, но только при условии, что мы сможем показать, что эти алгоритмы мыслят надежно, научно, а не обманывают систему. Теперь новая работа, опубликованная в The Astrophysical Journal, предоставила умиротворяющее представление об их таинственной логике.

Астрономы обычно используют транзитный метод для исследования экзопланет, согласно которому измеряется падение света от звезды, когда планета проходит перед ней. Если на планете есть атмосфера, она может поглощать очень незначительную часть света. Наблюдая за этим событием на разных длинах волны – цветах света – отпечатки молекул можно увидеть в поглощенном звездном свете с образованием узнаваемых паттернов, которые называются спектром.

Типичный сигнал, производимый атмосферой планеты размером с Юпитер, уменьшает звездный свет лишь на ~0,01%, если звезда похожа на Солнце. Планеты размером с Землю производят в 10–100 раз более низкие сигналы. Это немного напоминает определение из самолета цвета глаз кошки.

В будущем космический телескоп Джеймса Уэбба и космическая миссия "Ариэль" – зонды, которые будут исследовать экзопланеты со своих орбит в космосе, – помогут в этом, предоставив высококачественные спектры для тысяч экзо-атмосфер. Но, хотя ученых это обнадеживает, последние исследования показывают, что это может быть непросто. Из-за сложной природы атмосфер анализ одной транзитной планеты может занять дни или даже недели.

Конечно, исследователи стали искать альтернативные инструменты. ИИ известны своей способностью усваивать и учиться на большом количестве данных, а также превосходной производительностью в разных задачах после обучения. Поэтому ученые попытались научить ИИ предусматривать большое количество разных химических веществ в атмосферах.

Современные исследования показали, что искусственный интеллект хорошо подходит для этой задачи. Однако ученые придирчивы и скептичны, и чтобы доказать, что это действительно так, они хотят понять, как мыслят ИИ.

Новости по подобной теме:

		Астрономы открыли "горячий Нептун" на плотной орбите
		Астрономы открыли новорожденную планету
		"Хаббл" и "Новые горизонты" одновременно нацелились на Уран для дальнейшего изучения экзопланет

Заглянуть в черный ящик

В науке теорию или средство невозможно принять, если они не понятны. В конце концов, вы не хотите пережить волнение от открытия жизни на экзопланете, просто чтобы осознать, что это просто "глюк" в ИИ. Плохая новость заключается в том, что ИИ плохо объясняют свои выводы. Даже экспертам по искусственному интеллекту трудно определить, что заставляет сеть предоставлять то или иное объяснение. Этот недостаток часто препятствовал применению методов ИИ в астрономии и других научных областях.

Разработан метод, позволяющий заглянуть в процесс принятия решений ИИ. Подход достаточно интуитивно понятен. Предположим, искусственный интеллект должен подтвердить, есть ли на картинке кошка. Вероятно, он сделает это, заметив некоторые характеристики, такие как шерсть или форма морды. Чтобы понять, на какие характеристики он ссылается и в каком порядке, можно было размыть части изображения кошки и увидеть, определит ли он, что это кошка.

Именно это и было сделано для искусственного интеллекта, исследующего экзопланеты, путем "возмущения" или изменения области спектра. Наблюдая за тем, как изменились предсказания ИИ относительно колличества молекул экзопланеты (скажем, воды в атмосфере) при изменении каждого региона, ученые начали строить "картину" мышления ИИ, например, какие области спектра он использовал для определения уровня воды в атмосфере.

Что успокоило астрономов, они обнаружили, что хорошо обученный ИИ во многом полагается на физические явления, такие как уникальные спектроскопические отпечатки, равно как и астроном. В конце концов это неудивительно, откуда еще ИИ может этому научиться? На самом деле, когда дело доходит до обучения, ИИ не так отличается от наглого старшеклассника — он будет пытаться избежать тяжелого пути (например, понимания сложных математических понятий) и найти любые быстрые пути (например, запоминать математические формулы, не понимая почему), чтобы получить правильный ответ. Если бы ИИ делал прогнозы на основе запоминания каждого отдельного спектра, с которым он встречался, это было бы очень нежелательно. Ученые хотят, чтобы ИИ получал свой ответ из данных и хорошо работал с неизвестными данными, а не только с учебными данными, для которых есть правильный ответ.

Этот вывод стал первым методом, позволившим заглянуть в так называемые "черные ящики ИИ", что позволило оценить то, чему научились ИИ. С помощью этих инструментов исследователи теперь могут не только использовать искусственный интеллект для ускорения анализа экзо-атмосфер, но и могут проверить, использует ли их ИИ хорошо понятные законы природы.

Однако пока рано утверждать, что мы полностью понимаем ИИ. Следующий шаг – точное определение того, насколько важна каждая концепция и как она обрабатывается для принятия решений.

Эта перспектива интересна для экспертов по искусственному интеллекту, но еще больше для ученых. Невероятная способность искусственного интеллекта в обучении происходит от его способности изучать "представление" или паттерн по данным – методика, подобная тому, как физики открывают законы природы, чтобы лучше понять наш мир. Поэтому доступ к разуму ИИ может дать нам возможность учить новые, неоткрытые законы физики.

! Читайте еще интересные новости о космосе на сайте или следите за ними на Facebook.

• Экзопланеты
• искусственный интеллект