Sains Claude Anthropic telah menghasilkan peta ultraviolet lengkap pertama seluruh langit, satu peristiwa penting yang diterangkan oleh ahli astrofizik Johns Hopkins Brice Ménard, yang mengetuai projek itu dan memperincikan proses di laman web Anthropic. Usaha itu, yang dilaporkan oleh The Decoder, menunjukkan bagaimana ejen AI yang diselaraskan boleh menyerap kerja data yang membosankan yang tidak akan dapat dicapai oleh pasukan penyelidik.
Peta itu mengisi jurang berdekad lamanya yang ditinggalkan oleh misi angkasa lepas, menggabungkan pemerhatian arkib dengan pembinaan semula yang dijana model bagi wilayah yang tidak dilindungi sepenuhnya oleh teleskop. Ia merupakan salah satu contoh paling konkrit tentang AI yang beralih daripada chatbots dan pembantu pengekodan ke dalam jentera harian penyelidikan saintifik — tema yang dijalankan melalui kebanyakan [liputan penyelidikan AI] hari ini(https://aibuzzwire.news).
Mengapa Peta UV Lengkap Tidak Pernah Wujud
Cahaya ultraungu tidak kelihatan dari tanah. Lapisan ozon menyekatnya, yang bermaksud astronomi UV hanya boleh dilakukan dari angkasa. Misi GALEX NASA, yang meninjau langit dalam ultraungu dari 2003 hingga 2013, berjaya meliputi kira-kira dua pertiga daripada langit tetapi melangkau kawasan pembentuk bintang yang terang, di mana cahayanya sangat terang sehingga boleh merosakkan pengesan atau pemerhatian tepu.
Itu meninggalkan kira-kira satu pertiga daripada langit tanpa liputan UV - termasuk beberapa kawasan kejiranan yang paling menarik secara saintifik, padat dengan bintang muda dan pembentukan bintang aktif. Selama lebih sedekad, ahli astronomi yang bekerja dengan data UV terpaksa mengatasi lubang tersebut, menampal sebahagian pandangan atau hanya mengelak kawasan yang hilang dalam analisis mereka.
Cara Ejen AI Mengumpul Peta
Claude Science menyelaraskan pasukan ejen AI yang memuat turun data daripada berbilang misi angkasa, menentukurnya dan menggabungkannya menjadi satu peta yang konsisten. Apabila pemerhatian hilang, sistem menggunakan lukisan dalam — teknik di mana model belajar daripada data sedia ada untuk membina semula jurang.
Keputusan telah disahkan terhadap ukuran sebenar: dalam ujian, ramalan model menyimpang daripada nilai sebenar sebanyak kira-kira 10 peratus secara purata, menurut penerangan projek Ménard. Kadar ralat itu penting - ia adalah perbezaan antara produk yang boleh digunakan secara saintifik dan gambaran yang cantik - dan ia mencadangkan pembinaan semula cukup dekat untuk menyokong kerja penerokaan, walaupun ia bukan pengganti pemerhatian langsung.
Cahaya UV mendedahkan habuk yang diterangi oleh cahaya bintang, termasuk struktur seperti awan di sekeliling bintang muda dan cincin yang ditinggalkan oleh letupan bintang. Dengan langit penuh kini diliputi, penyelidik boleh mengkaji ciri tersebut di kawasan yang sebelum ini menjadi titik buta.
Pendekatan penyelarasan ejen adalah sama ketara dengan hasilnya. Daripada satu model menjawab soalan, sistem itu menguraikan projek kepada kerja — cari arkib misi, tarik data, semak penentukuran, sejajarkan unjuran, gabungkan tinjauan bertindih, kenal pasti jurang — dan berikan mereka kepada ejen khusus yang bekerja melalui perancangan. Saintis manusia menetapkan keperluan dan mengesahkan output; ejen-ejen itu melakukan kerja-kerja pemasangan yang akan memakan masa sedekad pelajar siswazah.
Alat Pengajaran dan Templat
Ménard berkata peta itu bertujuan untuk berfungsi sebagai bahan pengajaran, memberikan pelajar dan penyelidik pandangan lengkap langit ultraungu buat kali pertama. Tetapi implikasi yang lebih besar mungkin aliran kerja itu sendiri.
Dia mengesyaki ramai saintis telah menangguhkan projek serupa - usaha penyepaduan data yang besar dan tidak menarik yang kini boleh dilakukan oleh AI. Arkib dari misi angkasa lepas penuh dengan data yang tidak pernah dieksploitasi sepenuhnya, bukan kerana ia tidak mempunyai nilai tetapi kerana pembersihan, penentukuran dan penggabungan ia akan mengambil masa bertahun-tahun pasukan penyelidik bekerja keras. Sistem berasaskan ejen seperti Claude Science mengubah ekonomi itu: penyelarasan dan pengendalian data yang pernah menggunakan kerjaya boleh berlaku dalam projek.
Terdapat ironi yang tenang dalam sumber jurang juga. GALEX melangkau kawasan pembentuk bintang paling terang dengan tepat kerana ia adalah antara sasaran paling berharga — enjin pembentukan bintang baharu yang paling ingin dikaji oleh ahli astronomi dalam cahaya ultraungu. Misi yang direka bentuk di sekitar perlindungan instrumen akhirnya meninggalkan kawasan kejiranan yang paling menarik tidak dipetakan, dan hanya kini, dengan pembinaan semula berbantukan AI, titik buta itu telah diisi.
Kaveat
Kawasan yang dicat adalah ramalan, bukan ukuran. Kira-kira satu pertiga daripada peta ini wujud kerana model membuat kesimpulan tentang rupa langit UV berdasarkan data sekeliling dan corak yang dipelajari daripada kawasan yang dilindungi. Sisihan purata 10 peratus ialah angka agregat; struktur khusus — cincin samar di sekeliling sisa bintang, pinggir awan debu — mungkin kurang dipercayai daripada yang dicadangkan oleh statistik keseluruhan peta.
Itu bukan pemecatan. Setiap projek pembinaan semula dalam astronomi menghadapi pertukaran yang sama, dan projek Anthropic adalah telus tentang wilayah mana yang disimpulkan. Tetapi penyelidik yang memetik peta perlu membezakan yang diperhatikan daripada kawasan yang dibina semula, terutamanya untuk sumber yang samar atau luar biasa.
Projek itu juga menandakan dorongan lebih luas Anthropic untuk meletakkan modelnya dalam aliran kerja saintifik, daripada peta langit kepada pengimbasan kerentanan untuk perisian sumber terbuka yang diumumkan minggu ini. Bagi komuniti astronomi, pengambilan segera adalah lebih mudah: set data yang tidak wujud kini wujud, dan alatan yang membinanya boleh ditujukan kepada misi lain seterusnya.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
