L'apprendimento automatico sta arrivando per l'astronomia. Ma ciò non significa che gli astronomi e gli scienziati cittadini siano obsoleti. Infatti, può significare esattamente il contrario.

Quando pensi a una galassia, la prima cosa che mi viene in mente è una spirale. C'è un denso ammasso di stelle nel nucleo e alcune grandi, ampi bracci a spirale verso l'esterno.

Ma questo non è l'unico tipo di galassia là fuori. come le persone, le galassie sono disponibili in tutte le forme e dimensioni. Ci sono quelli a forma di disco e quelli sferici, spirali sbarrate ordinate e irregolari disordinati.

Galassie, smistato

Quella forma non è importante solo per il tuo senso estetico quando scegli uno sfondo del desktop. Ci dice anche molto sull'universo, secondo Mitchell Cavanagh, dottorato di ricerca candidato all'International Center for Radio Astronomy Research (ICRAR).

"Chiamiamo i primi tipi di ellittiche perché sono più prominenti man mano che vai a spostamenti verso il rosso più alti nell'universo precedente. Poi le tue spirali, tendiamo a chiamarli tipo tardivo perché sono più comuni quando osserviamo l'universo più recente nelle galassie con spostamento verso il rosso inferiori vicino a noi, "dice Mitchell.

"Quindi solo essere in grado di monitorare come va è abbastanza importante."

Il problema, come sempre, è che ci sono a quantità di galassie là fuori. La soluzione finora, attraverso progetti come il Galaxy Zoo (e l'AstroQuest di ICRAR), è stato quello di arruolare "scienziati cittadini" volontari per aiutare anche a ordinare i dati. Ma con la quantità di dati astronomici che arriva attraverso nuovi progetti come lo SKA, anche un esercito di scienziati cittadini potrebbe non essere sufficiente.

"Avrai miliardi di galassie, miliardi di immagini. E solo l'enorme volume di campioni che arriveranno, anche con la scienza dei cittadini, avrai bisogno di un pool di volontari molto grande, "dice Mitchell.

Incontra gli astronomi dell'intelligenza artificiale

Una soluzione potrebbe essere un tipo di algoritmo di apprendimento automatico chiamato rete neurale convoluzionale o CNN. Questo è esattamente ciò che Mitchell ha sviluppato. Funziona su un normale computer desktop ma può ancora smistare decine di migliaia di galassie in pochi secondi.

Ciò che distingue il programma di Mitchell dai precedenti tentativi è che può ordinare più tipi di galassie alla volta.

"Molte reti neurali in astronomia tendono a guardare solo cose binarie, come se questo fosse un tipo precoce o un tipo tardivo, Cose così, "dice Mitchell.

"Mentre vogliamo cercare di entrare più nel dettaglio. Vogliamo guardare più classi invece di solo due."

reti neurali, Mitchell dice, hanno il potenziale per essere più veloci ed efficienti. Possono essere utilizzati anche in situazioni che sarebbero difficili, richiede tempo o semplicemente noioso da fare per i volontari umani. Ciò include cose come la classificazione di galassie simulate che in realtà non esistono.

"Una volta che hai addestrato una CNN, puoi applicarli a tutti i tipi di altre cose, simulazioni e cose del genere, per fare una scienza interessante che confronti quelle simulazioni con le osservazioni, " lui dice.

Ma non appendere ancora il tuo cappello di smistamento della galassia. Come sempre, c'è un problema.

I robot stanno arrivando per il mio lavoro (di volontariato)?

Quando gli astronomi insegnano a un umano a ordinare le galassie, descriverebbero la forma, parlare delle caratteristiche importanti, magari disegna uno schema e mostra un paio di esempi per finire.

Se stiamo insegnando un'IA, loro possono soltanto usa esempi e dove i volontari potrebbero capire cos'è una spirale sbarrata da uno o due esempi, una rete neurale ha bisogno centinaia .

"Fondamentalmente, una rete neurale sarà davvero valida solo quanto i dati con cui la alleni, "dice Mitchell.

E se usiamo alcune tecniche complicate per vedere come "pensa, " le caratteristiche delle immagini che sta cercando non assomigliano affatto a quelle che useremmo come esseri umani.

Cervelli da allenamento

Questo ci lascia con un piccolo enigma. Abbiamo bisogno della nostra intelligenza artificiale per ordinare le nostre galassie in tipi, ma per addestrare la nostra IA, abbiamo già bisogno di sapere di che tipo sono le nostre galassie.

Lungi dal rendere obsoleti gli scienziati cittadini umani, L'astronomia basata sull'intelligenza artificiale offre loro una promozione, dal fare il lavoro da soli all'essere più come un allenatore o un insegnante.

"In un senso, le reti neurali sono costruite sulla base dello sforzo esistente della scienza dei cittadini".

L'intelligenza artificiale è davvero brava a dare alle persone esattamente ciò che pensa che vogliano. Per usarlo per l'astronomia, abbiamo bisogno di un esercito di volontari ben addestrati che vogliono galassie ben ordinate, e sì, è lì che entri tu.

Questo articolo è apparso per la prima volta su Particella, un sito web di notizie scientifiche con sede a Scitech, Perth, Australia. Leggi l'articolo originale.