یافتن سیاره هشتم با کمک هوش مصنوعی

دانشمندان موفق شده‌اند در میان داده‌‌های تلسکوپ فضایی کپلر و با استفاده از یادگیری ماشینی، هشتمین سیاره‌ ستاره‌ای به‌نام Kepler-90 را بیابند. این ستاره در فاصله 2545 سال نوری از ما قرار گرفته است. در اینجا کامپیوتر آموخته است که چطور در میان انبوه داده‌های کپلر به‌دنبال سیاره‌هایی بگردد که در ورای منظومه خورشیدی ما قرار گرفته‌اند. پل هرتز مدیر بخش اخترفیزیک ناسا می‌گوید: «همان طور که انتظار داشتیم موارد فوق‌العاده‌ای در میان داده‌های بایگانی شده کپلر وجود داشته که یافتن آن‌ها نیازمند ابزار یا فناوری مناسبی بوده است. این یافته‌ها نشان می‌دهد داده‌هایی که در اختیار داریم گنجینه‌ای ارزشمند است که محققان می‌توانند با استفاده از روش‌های نوآورانه، کشفیات بیشتری از آن به دست آورند.»

نمونه‌ای از داده‌های ارائه شده به شبکه عصبی. دره‌ای که در نمودار دیده می‌شود نمایانگر کاهش شدت روشنایی رسیده از ستاره به کپلر است و به احتمال نشانه‌ای است از عبور سیاره‌ای از مقابل آن ستاره.

مطلب پیشنهادی

رقابتی با هدف تسلط بر یک فناوری مخاطره‌آمیز

آینده زندگی ما در دستان پردازنده‌های هوش مصنوعی

وقتی یک سیاره‌ از مقابل ستاره‌ خود عبور می‌کند، تغییرات اندکی در میزان روشنایی رسیده از آن ستاره ثبت می‌شود. کریستفور شلاو و اندرو وندربرگ شبکه عصبی را به‌گونه‌ای آموزش دادند تا بتواند با تحلیل داده‌های کپلر و یافتن چنین تغییراتی، سیاره هشتم را بیابد. اگرچه پیش از این هم یادگیری ماشینی به جست‌وجو در داده‌های کپلر کمک کرده بود، اما دستاورد جدید نقش مهم شبکه‌های عصبی را در یافتن سیگنال‌های ضعیفی که از جهان‌های دوردست دریافت می‌کنیم، به‌خوبی آشکار کرد. ایده استفاده از شبکه‌های عصبی برای جست‌وجو در داده‌های کپلر، متعلق به شالو مهندس ارشد نرم‌افزار گروهGoogle AI است. او دریافته بود که در ستاره‌شناسی، سرعت جمع‌آوری داده‌ها بسیار بیشتر از سرعت تحلیل آن‌ها است. او می‌گوید: «یادگیری ماشینی در مواردی که حجم زیادی از داده وجود دارد و انسان به‌تنهایی قادر به جست‌وجو در آن‌ها نیست، بسیار کارآمد عمل می‌کند.» داده‌‌های کپلر که ظرف مدت 4 سال جمع‌آوری شده‌اند، شامل 35 هزار سیگنالی است که می‌توان در میان آن‌ها نشانه‌هایی از سیاره‌های کشف نشده یافت. تا پیش از این، برخی از مهم‌ترین این سیگنال‌ها به روش‌های خودکار و البته با کمک انسان بررسی می‌شدند. اما در این میان، سیگنال‌های ضعیف‌تر اغلب از قلم می‌افتادند.
این محققان در ابتدا شبکه عصبی را آموزش دادند تا در میان 15 هزار سیگنالی که قبلاً بررسی شده بودند، عبور سیاره از مقابل ستاره را شناسایی کند. پس از آنکه شبکه عصبی این وظیفه را آموخت، از آن خواستند تا روی 670 سامانه خورشیدی که تعدادی از سیارات آن‌ها شناخته شده بودند کار کند. وندربرگ می‌گوید همه حدسیات شبکه درست نبود، اما در میان آن‌ها می‌شد سیارات واقعی را نیز یافت: «مثل غربال کردن سنگ‌ها برای یافتن طلا است. اگر شما الک ریزتری داشته باشید، سنگ‌های بیشتری هم در الک شما باقی می‌ماند، اما در عین حال احتمال یافتن طلا در آن‌ها نیز بیشتر می‌شود.»