Большинство современных систем искусственного интеллекта — включая большие языковые модели — создавались для вполне земных задач: удерживать внимание пользователей, генерировать универсальный контент или продвигать товары. Но что, если направить эту мощь туда, где человеку всё труднее справляться в одиночку — в научные исследования? Новый пример показывает: ИИ способен не просто помогать, а действительно открывать неизвестное.
Исследование, проведённое учёными Европейского космического агентства (ESA), демонстрирует, как нейросеть может стать инструментом научного открытия. Разработанная ими система AnomalyMatch выявила сотни ранее неизвестных аномалий в нашей локальной Вселенной — объектов и структур, которые ускользали от внимания астрономов десятилетиями.
Что такое AnomalyMatch и как она работает?
AnomalyMatch — это нейронная сеть, обученная находить редкие и необычные космические объекты, так называемые астрономические аномалии. К ним относятся, например, «медузообразные» галактики с вытянутыми хвостами газа, гравитационные дуги и линзы, а также экзотические формы взаимодействующих и сливающихся галактик.
Авторы разработки — Давид О’Райан и Пабло Гомес, исследователи, связанные с ESA, — обучили алгоритм распознавать именно такие «выбивающиеся из нормы» структуры. В отличие от классических методов, где учёный ищет заранее известные признаки, AnomalyMatch сосредоточена на редкости и нетипичности — на том, что не укладывается в привычные шаблоны.
Проверка на архиве «Хаббла»
Чтобы проверить эффективность технологии, исследователи обратились к одному из самых богатых источников астрономических данных — архиву Hubble Legacy Archive. Этот совместный проект ESA и NASA накапливал изображения космоса более 35 лет, собрав десятки тысяч наборов данных по самым разным объектам Вселенной.
AnomalyMatch проанализировала почти 100 миллионов фрагментов изображений из архива «Хаббла». На всё ушло около двух с половиной дней — срок, несоизмеримый с тем, сколько времени потребовалось бы человеку. Для астронома такая задача растянулась бы на годы, если не на всю карьеру.
Что удалось найти?
Результат оказался впечатляющим. Алгоритм отметил сотни потенциальных аномалий, которые затем прошли ручную проверку. В итоге учёные подтвердили около 1 400 реальных аномальных объектов, причём 800 из них ранее вообще не были задокументированы.
Среди находок — 86 новых кандидатов в гравитационные линзы, 18 «медузообразных» галактик и 417 систем сливающихся или взаимодействующих галактик. Также были обнаружены необычно искажённые структуры и редкие формы галактических столкновений. И всё это — в данных, которые, казалось бы, давно изучены вдоль и поперёк.
Почему это важно для науки?
Астрономы по-прежнему превосходно умеют распознавать необычные объекты, но объёмы данных растут быстрее человеческих возможностей. Современные и будущие обсерватории буквально захлёстывают науку информацией. Искать аномалии в этих массивах — всё равно что перебирать космический стог сена в поисках редчайших иголок.
Именно здесь нейросети вроде AnomalyMatch становятся незаменимыми. Они позволяют быстро «просеивать» данные и направлять внимание учёных туда, где скрываются потенциально важные открытия.
Потребность в таких инструментах будет только расти. Космический телескоп Euclid, начавший обзор миллиардов галактик в 2023 году, и обсерватория Веры Рубин (NSF–DOE), которая за ближайшие десять лет создаст более 50 петабайт изображений, произведут объёмы данных, неподъёмные для ручного анализа.
Как отмечает Пабло Гомес, применение ИИ — это способ максимально раскрыть научный потенциал архивов вроде «Хаббла». Если даже там удаётся находить сотни неизвестных объектов, что уж говорить о новых, ещё более масштабных обзорах Вселенной? Похоже, у астрономии начинается эпоха, где открытия всё чаще будут начинаться с работы алгоритма.
