چگونه هوش مصنوعی (AI) می‌تواند به ستاره‌شناسان در شناسایی اجرام و پدیده‌های آسمانی در آسمان شب کمک کند؟
این همان پرسشی است که پژوهشی تازه منتشرشده در مجله‌ی Nature Astronomy درصدد پاسخ دادن به آن بوده است. در این مطالعه، گروهی بین‌المللی از پژوهشگران بررسی کردند که آیا می‌توان از توانایی‌های هوش مصنوعی برای انجام پایش‌های اخترفیزیکی (Astrophysical Surveys) در رابطه با رخدادهای آسمانی استفاده کرد یا خیر؛ رخدادهایی از قبیل بلعیده شدن ستارگان توسط سیاه‌چاله‌ها یا حتی انفجار خودِ ستارگان. هدف این پژوهش آن بود که نشان دهد چگونه هوش مصنوعی می‌تواند با کاهش زمان و منابع انسانی مورد نیاز برای پایش آسمان شب، به پیشرفت نجوم کمک کند.
در این پژوهش، دانشمندان عملکرد مدل زبانی بزرگ گوگل (Google Large Language Model) با نام Gemini را بر روی سه مجموعه داده‌ی نجومی مختلف آزمودند:
۱. Pan-STARRS (تلسکوپ نقشه‌برداری سراسر آسمان با پاسخ سریع)،
۲. MeerLICHT (به معنای «نور بیشتر» به زبان هلندی)،
۳. ATLAS (سامانه هشدار نهایی برای برخوردهای سیارکی با زمین).
هدف این بود که بررسی شود آیا مدل‌های زبانی بزرگ (LLM) می‌توانند به اندازه‌ی ابزارهای سنتی اخترشناسی در تشخیص و تحلیل تصاویر آسمانی دقیق و مؤثر عمل کنند یا خیر.
آموزش مدل هوش مصنوعی با تنها ۱۵ نمونه!
پژوهشگران مجموعه‌ای از دستورات ویژه (Prompts) برای مدل Gemini طراحی کردند تا بتواند تنها با ۱۵ نمونه‌ی تصویری، اجرام آسمانی را تحلیل کند. از این مدل خواسته شد تا نمونه‌ها را در سه گروه دسته‌بندی کند:
- بدون اهمیت (No interest) برای داده‌های بی‌ارزش یا مصنوعی،
- دارای اهمیت کم (Low interest) برای ستارگان متغیر،
- دارای اهمیت بالا (High interest) برای پدیده‌های انفجاری مانند ابرنواخترها یا انفجار ستارگان.
تمامی این نمونه‌ها، دستورها و راهنماها به‌صورت عمومی در مخزن گیت‌هاب در دسترس هستند:
🔗 https://github.com/turanbulmus/spacehack
شش ماه بعد، همان پژوهش تکرار شد اما این‌بار با نسخه‌ی به‌روزشده‌ای از مدل Gemini که از الگوریتم‌های جدید بهره می‌برد. در نهایت، نتایج شگفت‌انگیزی به‌دست آمد:
- دقت مدل برای داده‌های ATLAS برابر با ۹۱٫۹٪،
- برای MeerLICHT برابر با ۹۳٫۴٪،
- و برای Pan-STARRS برابر با ۹۴٫۱٪ بود.
این میزان دقت، برای مدلی که تنها با تعداد بسیار کمی نمونه آموزش دیده، حیرت‌انگیز است.
نظر پژوهشگران درباره این دستاورد
دکتر استیون اسمارت، استاد اخترفیزیک در دانشگاه آکسفورد و از نویسندگان مقاله، در این باره می‌گوید:
«من بیش از ده سال است روی مسأله‌ی پردازش سریع داده‌های نجومی کار می‌کنم. یکی از چالش‌های همیشگی ما، تمایز میان سیگنال‌های واقعی آسمانی و داده‌های جعلی یا خطادار در فرآیند پردازش بود. سال‌هاست که مدل‌های یادگیری ماشین و شبکه‌های عصبی را برای تشخیص تصویر آموزش می‌دهیم. اما عملکرد مدل زبانی بزرگ Gemini در تشخیص منابع واقعی تنها با هدایت حداقلی، بدون نیاز به آموزش‌های اختصاصی، واقعاً شگفت‌انگیز بود. اگر بتوانیم چنین مدل‌هایی را در مقیاس وسیع‌تر به‌کار بگیریم، این می‌تواند نقطه‌ی عطفی در تاریخ اخترشناسی باشد — نمونه‌ای دیگر از اینکه چگونه هوش مصنوعی می‌تواند کشف علمی را متحول کند.»
هوش مصنوعی در خدمت نجوم و علوم سیاره‌ای
این پژوهش در حالی انجام شده است که هوش مصنوعی با سرعتی چشمگیر در حال دگرگون کردن نجوم و علوم سیاره‌ای است. از کاربردهای مهم هوش مصنوعی در این حوزه می‌توان به موارد زیر اشاره کرد:
- کشف سیارات فراخورشیدی (Exoplanets)،
- تحلیل داده‌های سطح سیارات و نقشه‌برداری از عوارض آنها،
- شناسایی ابرنواخترها (Supernovae)،
- بررسی انفجارهای رادیویی سریع (Fast Radio Bursts)،
- تحلیل فوران‌های پرتو گاما (Gamma-Ray Bursts)،
- شناسایی امواج گرانشی (Gravitational Waves)،
- علم شهروندی (Citizen Science) و مشارکت داوطلبان در پروژه‌های علمی،
- مدل‌سازی نظری و عملیات تلسکوپی هوشمند.
نمونه‌ای از موفقیت‌های هوش مصنوعی در نجوم
یکی از نمونه‌های مشهور به‌کارگیری هوش مصنوعی در نجوم، کشف سیاره‌ی Kepler-90i است.
این سیاره در فاصله‌ی حدود ۲۷۶۷ سال نوری از زمین قرار دارد و هشتمین سیاره‌ی شناسایی‌شده در سامانه‌ی Kepler-90 به شمار می‌آید.
Kepler-90i از نظر اندازه و جرم حدود ۲٫۳ برابر زمین است و در دسته‌ی «ابرزمین‌ها» (Super-Earths) قرار می‌گیرد. با این حال، سطح سنگی آن به‌شدت داغ است و شرایط برای وجود حیات به شکلی که ما می‌شناسیم وجود ندارد.
تمام سیارات این سامانه در لبه‌ی درونی منطقه‌ی قابل‌سکونت ستاره‌ی خود می‌چرخند، به‌همین دلیل احتمالاً دمای سطح و جوّ آنها برای حیات بسیار بالا است.
در حوزه‌ی علوم سیاره‌ای نیز هوش مصنوعی نقش قابل‌توجهی داشته است؛ از جمله در مطالعه‌ی زلزله‌های مریخی (Marsquakes) و چگونگی انتشار امواج لرزه‌ای در درون سیاره‌ی مریخ، که برخلاف تصورات گذشته، ساختار درونی آن بسیار متفاوت از زمین است.
آینده‌ی هوش مصنوعی در کاوش‌های فضایی
چشم‌انداز آینده‌ی هوش مصنوعی در نجوم و علوم سیاره‌ای بسیار گسترده است. از جمله کاربردهای پیش‌رو می‌توان به موارد زیر اشاره کرد:
- پیش‌بینی آب‌وهوای فضایی (Space Weather) برای محافظت از ماهواره‌ها و مأموریت‌های فضایی،
- ربات‌های خودکار در ماه و مریخ برای انجام اکتشافات بدون نیاز به دخالت مستقیم انسان،
- و حتی استفاده از هوش مصنوعی در مأموریت‌های سرنشین‌دار آینده به ماه و مریخ برای کمک به فضانوردان در تصمیم‌گیری‌های فوری و دقیق.
به این ترتیب، پژوهش اخیر نه تنها نشان‌دهنده‌ی رشد سریع نقش هوش مصنوعی در نجوم و علوم سیاره‌ای است، بلکه اثبات می‌کند که حتی افراد غیرمتخصص نیز می‌توانند با بهره‌گیری از ابزارهای آنلاین رایگان مانند Gemini، به کشفیات علمی قابل‌توجهی دست پیدا کنند.
جمع‌بندی
پژوهش انجام‌شده در Nature Astronomy گامی مهم در جهت پیوند میان یادگیری ماشینی و اخترشناسی نوین به‌شمار می‌آید. اگرچه هنوز راه درازی در پیش است تا هوش مصنوعی به‌طور کامل جایگزین دانشمندان در تحلیل داده‌های آسمانی شود، اما نتایج این مطالعه نشان می‌دهد که آینده‌ی علم، بیش از هر زمان دیگری به همکاری میان انسان و هوش مصنوعی وابسته است.
سؤال اصلی این است:
در سال‌ها و دهه‌های آینده، هوش مصنوعی چگونه می‌تواند به بهبود نجوم و شناسایی رویدادهای آسمانی کمک کند؟
پاسخ این پرسش را تنها زمان مشخص خواهد کرد — و همین کنجکاوی است که اساس علم را می‌سازد.
