Znanstvenici sa Sveučilišta u Oxfordu, Google Clouda i Sveučilišta Radboud razvili su metodu kojom umjetna inteligencija može prepoznati stvarne promjene na noćnom nebu i pritom objasniti vlastiti zaključak. Rad, objavljen u časopisu Nature Astronomy, pokazuje da se opći veliki jezični model može pretvoriti u stručnog astronomskog asistenta uz minimalan broj uputa i primjera.
Koristeći samo petnaest slikovnih primjera i jednostavne tekstualne smjernice, model Gemini postigao je točnost od približno 93 posto u razlikovanju stvarnih kozmičkih događaja, poput eksplozije zvijezde ili prolaska asteroida, od pogrešnih signala nastalih u procesu snimanja. Uz svaku procjenu dao je i kratko objašnjenje na razumljivom jeziku, što predstavlja važan korak prema transparentnijoj i pristupačnijoj primjeni umjetne inteligencije u znanosti.
“Zanimljivo je koliko malo primjera i nekoliko jasnih uputa mogu dati ovako visoku točnost”, rekao je dr. Fiorenzo Stoppa sa Zavoda za fiziku Sveučilišta u Oxfordu. “To znači da i istraživači bez dubljeg znanja o neuronskim mrežama mogu razviti vlastite klasifikatore, dovoljno je da imaju ideju i alat.”
Turan Bulmus iz Google Clouda, suvoditelj istraživanja, dodao je da “ovakav pristup pokazuje kako veliki jezični modeli mogu demokratizirati znanstvena istraživanja i omogućiti svakome tko ima znatiželju da doprinese i područjima izvan svoje struke.”
Rijetki signali u moru podataka
Suvremeni teleskopi svake noći bilježe milijune mogućih promjena na nebu. Neke predstavljaju stvarne pojave, dok većina potječe od tragova satelita, kozmičkih zraka ili tehničkih smetnji.
Astronomi se u obradi takvih golemih količina podataka obično oslanjaju na specijalizirane modele strojnog učenja. Ti sustavi najčešće funkcioniraju kao zatvorene “crne kutije” koje daju samo oznaku “stvarno” ili “lažno”, bez objašnjenja. Zbog toga znanstvenici moraju ručno provjeravati tisuće rezultata, što je u današnjim uvjetima postalo gotovo neizvedivo. Opservatorij Vera C. Rubin svakoga dana će proizvodi oko dvadeset terabajta novih podataka, što ručnu provjeru čini praktično nemogućom.
Tim istraživača odlučio je provjeriti može li opća umjetna inteligencija koja razumije i tekst i slike, poput Geminija, dosegnuti sličnu točnost kao specijalizirani modeli, ali i objasniti svoj postupak zaključivanja.
Modelu je dostavljeno petnaest označenih primjera za svako od triju velikih istraživanja neba: ATLAS, MeerLICHT i Pan-STARRS. Svaki je primjer sadržavao novu snimku, referentnu sliku istog dijela neba i “razliku” koja pokazuje promjenu, uz kratku napomenu stručnjaka. Na temelju tih nekoliko primjera Gemini je potom samostalno klasificirao tisuće novih upozorenja, dodjeljujući oznaku (stvarno/lažno), prioritetnu ocjenu i kratko objašnjenje odluke.
Umjetna inteligencija koja zna kada treba čovjeka
Kvaliteta objašnjenja provjerena je u suradnji s dvanaest astronoma koji su ocijenili da su opisi modela koherentni i korisni. U dodatnom testu Gemini je sam procjenjivao vlastite odgovore i svakome dodjeljivao ocjenu pouzdanosti. Pokazalo se da su odgovori koje je model označio kao manje uvjerljive doista bili češće pogrešni.
Ta mogućnost samoprocjene ključna je za sustave u kojima čovjek nadzire rad umjetne inteligencije. Kada umjetna inteligencija automatski označi nesigurne slučajeve za ljudsku provjeru, broj nepotrebnih analiza se smanjuje, a pažnja istraživača usmjerava na najvažnije pojave.
Kada su istraživači primijenili sustav samokorekcije i nadopunili početne primjere, točnost modela na jednom skupu podataka porasla je s 93,4 na 96,7 posto.
Profesor Stephen Smartt iz Oxforda istaknuo je: “Već više od deset godina pokušavamo ubrzati obradu podataka iz astronomskih istraživanja, a razdvajanje stvarnih pojava od lažnih signala stalni je izazov. Godinama treniramo neuronske mreže za prepoznavanje slika, no točnost koju je postigao veliki jezični model uz minimalne upute doista je izvanredna. Ako uspijemo ovu metodu primijeniti u široj praksi, to bi moglo promijeniti način na koji astronomija funkcionira.”
Prema autonomnim znanstvenim asistentima
Autori rada smatraju da bi ova tehnologija mogla postati temelj budućih autonomnih znanstvenih sustava. Takvi bi “asistenti” mogli spajati različite izvore podataka, pratiti vlastitu sigurnost u rezultate, samostalno tražiti dodatna opažanja od robotskih teleskopa i znanstvenicima prosljeđivati samo najzanimljivije pojave.
Metoda zahtijeva tek mali broj primjera i jednostavne upute na prirodnom jeziku, pa se može brzo prilagoditi novim instrumentima i istraživačkim ciljevima, i u drugim područjima znanosti.
“Ulazimo u doba u kojem se otkrića više ne oslanjaju na netransparentne algoritme, nego na otvorene i objašnjive oblike umjetne inteligencije”, rekao je Bulmus. 2Takvi sustavi uče zajedno s nama, objašnjavaju svoje odluke i omogućuju istraživačima da se posvete onome što najviše vrijedi, postavljanju sljedećeg velikog pitanja.”
Ivan je novinar i autor koji piše o znanosti, svemiru i povijesti. Gostuje kao stručni sugovornik na Science Discovery i History Channelu te piše za Večernji list. Osnivač je Kozmos.hr, prvog hrvatskog portala posvećenog popularizaciji znanosti.
