Inteligența artificială poate identifica moleculele de pe exoplanete și ar putea chiar să descopere noi legi ale fizicii
Știi din ce este alcătuită atmosfera Pământului? Oxigen și azot. Și cu puțin ajutor de la Google poți ajunge cu ușurință la un răspuns mai precis: 78% azot, 21% oxigen și 1% gaz argon. Cu toate acestea, când vine vorba de compoziția exo-atmosferelor – atmosferele planetelor din afara sistemului nostru solar – răspunsul nu este cunoscut. Atmosferele pot indica natura planetelor și dacă acestea pot găzdui viață. Iată cum ne ajută inteligența artificială în acest sens.
Deoarece exoplanetele sunt atât de departe, s-a dovedit extrem de dificil să le sondăm atmosfera. Cercetările sugerează că inteligența artificială poate fi cel mai bun pariu pentru a le explora – dar numai dacă putem arăta că acești algoritmi gândesc în moduri fiabile, științifice, mai degrabă decât să înșele sistemul. Acum, o nouă lucrare, publicată în Astrophysical Journal, a oferit o perspectivă liniștitoare asupra logicii lor misterioase.
Astronomii exploatează de obicei metoda de tranzit pentru a investiga exoplanetele, care implică măsurarea scăderilor de lumină de la o stea, pe măsură ce o planetă trece prin fața ei. Dacă o atmosferă este prezentă pe planetă, poate absorbi și o mică parte de lumină. Prin observarea acestui eveniment la diferite lungimi de undă – culorile luminii – amprentele moleculelor pot fi văzute în lumina stelară absorbită, formând modele recognoscibile în ceea ce numim un spectru.
Un semnal tipic produs de atmosfera unei planete de dimensiunea lui Jupiter reduce lumina stelară doar cu ~0,01% dacă steaua este asemănătoare Soarelui. Planetele de dimensiunea Pământului produc semnale de 10-100 de ori mai mici. Este un pic ca și cum ai vedea culoarea ochilor unei pisici dintr-un avion.
În viitor, telescopul spațial James Webb (JWST) și misiunea spațială Ariel, ambele sonde care vor investiga exoplanete de pe orbita lor în spațiu, vor ajuta prin furnizarea de spectre de înaltă calitate pentru mii de exo-atmosfere. Dar, în timp ce oamenii de știință sunt încântați de acest lucru, cele mai recente cercetări sugerează că ar putea fi dificil. Datorită naturii complexe a atmosferelor, analiza unei singure planete în tranzit poate dura zile sau chiar săptămâni.
Desigur, cercetătorii au început să caute instrumente alternative. Inteligența artificială este renumită pentru capacitatea de a asimila și de a învăța dintr-o cantitate mare de date și pentru performanța la diferite sarcini, odată antrenată. Prin urmare, oamenii de știință au încercat să antreneze IA pentru a prezice abundența diferitelor specii chimice în atmosfere.
Cercetările actuale au stabilit că IA e potrivită pentru această sarcină. Cu toate acestea, oamenii de știință sunt meticuloși și sceptici și, pentru a demonstra că acest lucru este real, vor să înțeleagă cum gândește IA.
Inteligența artificială ne poate ajuta să descoperim vieți pe alte planete
În știință, o teorie sau un instrument nu poate fi adoptat dacă nu este înțeles. La urma urmei, nu vrei să treci prin entuziasmul descoperirii vieții pe o exoplanetă, doar ca să realizezi că este pur și simplu o eroare în AI. Vestea proastă este că AI-urile sunt groaznice în a-și explica propriile descoperiri. Chiar și experții în inteligență artificială au dificultăți în a identifica ceea ce determină rețeaua să ofere o anumită explicație. Acest dezavantaj a împiedicat adesea adoptarea tehnicilor AI în astronomie și în alte domenii științifice.
Am dezvoltat o metodă care ne permite o privire asupra procesului decizional al AI. Abordarea este destul de intuitivă. Să presupunem că un algoritm AI trebuie să confirme dacă o imagine conține o pisică. Se presupune că ar face acest lucru observând anumite caracteristici, cum ar fi blana sau forma feței. Pentru a înțelege la ce caracteristici se referă și în ce ordine, am putea estompa părți din imaginea pisicii și să vedem dacă încă observă că este o pisică.
Este exact ceea ce au făcut cercetătorii pentru o IA care examinează exoplanetele – „perturbând” sau schimbând regiunile spectrului. Observând modul în care predicțiile AI cu privire la abundența moleculelor exoplanetelor s-au schimbat (să zicem, apa din atmosferă) atunci când fiecare regiune a fost modificată, oamenii de știință au început să construiască o „imagine” a modului în care a gândit AI, cum ar fi pentru ce regiuni din spectru a folosit-o la stabilirea nivelului de apă din atmosferă.
S-a descoperit astfel că o inteligență artificială bine antrenată se bazează în mare măsură pe fenomene fizice, cum ar fi amprentele digitale spectroscopice unice – la fel cum ar face un astronom.
De fapt, când vine vorba de învățare, inteligența artificială nu este atât de diferită de un elev de liceu – va face tot posibilul să evite calea grea (cum ar fi înțelegerea conceptelor matematice dificile) și să găsească orice scurtături (cum ar fi memorarea formulelor matematice, fără a înțelege de ce), pentru a obține răspunsul corect.
Dacă AI ar face predicții bazate pe memorarea fiecărui spectru pe care l-a întâlnit, acest lucru ar fi profund nedorit. Dorim ca AI să obțină răspunsul din date și să funcționeze bine pe date necunoscute, nu doar pe datele de antrenament pentru care există un răspuns corect.