Anthropic'in Claude Science'ı, tüm gökyüzünün ilk tam ultraviyole haritasını üretti; bu, projeyi yöneten ve Anthropic'in web sitesindeki süreci detaylandıran Johns Hopkins astrofizikçisi Brice Ménard tarafından açıklanan bir dönüm noktasıdır. The Decoder tarafından bildirilen bu çaba, koordineli yapay zeka ajanlarının, araştırma ekiplerinin normalde asla başaramayacağı sıkıcı veri işlerini nasıl özümseyebileceğini gösteriyor.
Harita, arşiv gözlemlerini hiçbir teleskopun tam olarak kapsamadığı bölgelerin modelle oluşturulmuş yeniden yapılandırmalarıyla birleştirerek daha önceki uzay görevlerinden kalan onlarca yıllık boşlukları dolduruyor. Bu, yapay zekanın sohbet robotlarından ve kodlama asistanlarından bilimsel araştırmaların günlük mekanizmasına geçişinin şimdiye kadarki en somut örneklerinden biridir; günümüzün [AI araştırma kapsamının] çoğunda yer alan bir temadır(https://aibuzzwire.news).
Neden Tam Bir UV Haritası Hiçbir Zaman Var Olmadı?
Ultraviyole ışık yerden görünmez. Ozon tabakası bunu engelliyor, bu da UV astronomisinin yalnızca uzaydan yapılabileceği anlamına geliyor. NASA'nın 2003'ten 2013'e kadar gökyüzünü ultraviyole olarak araştıran GALEX misyonu, gökyüzünün yaklaşık üçte ikisini kapsamayı başardı ancak ışığın dedektörlere zarar verebilecek veya gözlemleri doyurabilecek kadar yoğun olduğu parlak yıldız oluşum bölgelerini atladı.
Bu, genç yıldızların ve aktif yıldız oluşumunun yoğun olduğu bilimsel açıdan en ilginç mahallelerin bazıları da dahil olmak üzere, gökyüzünün kabaca üçte birini UV kapsamı dışında bıraktı. On yıldan fazla bir süredir, UV verileriyle çalışan gökbilimciler bu boşluklarla başa çıkmak, kısmi görüntüleri bir araya getirmek veya analizlerinde eksik bölgeleri ortadan kaldırmak zorunda kaldı.
Yapay Zeka Aracıları Haritayı Nasıl Birleştirdi?
Claude Science, birden fazla uzay görevinden veri indiren, kalibre eden ve tek bir tutarlı haritada birleştiren yapay zeka ajanlarından oluşan ekipleri koordine ediyor. Gözlemlerin eksik olduğu durumlarda sistem, modelin boşlukları yeniden oluşturmak için mevcut verilerden öğrendiği bir teknik olan iç boyamayı kullandı.
Sonuçlar gerçek ölçümlerle doğrulandı: Ménard'ın proje açıklamasına göre testlerde modelin tahminleri gerçek değerlerden ortalama yüzde 10 saptı. Bu hata oranı önemlidir - bilimsel olarak kullanılabilir bir ürün ile güzel bir resim arasındaki farktır - ve bu, yeniden yapılanmaların, doğrudan gözlemin yerini almasalar bile, keşif çalışmasını destekleyecek kadar yakın olduğunu göstermektedir.
UV ışığı, genç yıldızların etrafındaki bulutlar gibi yapılar ve yıldız patlamalarının geride bıraktığı halkalar da dahil olmak üzere, yıldız ışığının aydınlattığı tozları ortaya çıkarır. Artık gökyüzü tamamen kaplandığında, araştırmacılar daha önce kör nokta olan bölgelerdeki özellikleri inceleyebilecekler.
Temsilci-koordinasyon yaklaşımı da sonuç kadar dikkat çekicidir. Sistem, soruları yanıtlayan tek bir model yerine projeyi işlere ayırdı - görev arşivlerini bulun, verileri çekin, kalibrasyonu kontrol edin, projeksiyonları hizalayın, örtüşen anketleri birleştirin, boşlukları belirleyin - ve bunları süreç boyunca çalışan uzman temsilcilere atadı. İnsan bilim insanları gereksinimleri belirledi ve çıktıyı doğruladı; temsilciler, normalde bir yüksek lisans öğrencisinin on yılını tüketecek olan montaj işini yaptı.
Bir Öğretim Aracı ve Şablon
Ménard, haritanın öğrencilere ve araştırmacılara ilk kez ultraviyole gökyüzünün tam bir görünümünü sunarak öğretim materyali olarak hizmet etmeyi amaçladığını söyledi. Ancak daha büyük sonuç iş akışının kendisi olabilir.
Pek çok bilim insanının benzer projeleri (yapay zekanın artık mümkün kılabileceği büyük, gösterişsiz veri entegrasyonu çabaları) ertelediğinden şüpheleniyor. Geçmişteki uzay görevlerine ait arşivler, değeri olmadığı için değil, temizleme, kalibre etme ve birleştirme işlemlerinin bir araştırma ekibinin yıllar süren zorlu çalışmasını gerektirmesi nedeniyle hiçbir zaman tam olarak yararlanılmayan verilerle doludur. Claude Science gibi aracı tabanlı sistemler bu ekonomiyi değiştiriyor: Bir zamanlar kariyeri tüketen koordinasyon ve veri işleme, bir projede gerçekleşebilir.
Boşlukların kaynağında da sessiz bir ironi var. GALEX, en parlak yıldız oluşum bölgelerini atladı çünkü bunlar en değerli hedefler arasındaydı; gökbilimcilerin en çok ultraviyole ışıkta incelemek istedikleri yeni yıldız oluşumunun motorları. Cihaz koruması etrafında tasarlanan bir görev, en ilginç mahallelerin haritasının çıkarılmasıyla sonuçlandı ve ancak şimdi yapay zeka destekli yeniden yapılanmayla bu kör nokta dolduruluyor.
Uyarılar
Boyalı bölgeler ölçüm değil tahmindir. Bu haritanın yaklaşık üçte biri, çevredeki verilere ve kapsanan bölgelerden öğrenilen desenlere dayanarak UV gökyüzünün nasıl görünmesi gerektiği sonucunu çıkaran bir model nedeniyle var. Yüzde 10'luk ortalama sapma toplam rakamdır; Belirli yapılar (bir yıldız kalıntısının etrafındaki soluk bir halka, bir toz bulutunun kenarı) haritanın genel istatistiklerinin önerdiğinden daha az güvenilir olabilir.
Bu bir işten çıkarma değil. Astronomideki her yeniden inşa projesi aynı ödünleşimle karşı karşıyadır ve Antropik proje hangi bölgelerin çıkarıldığı konusunda şeffaftır. Ancak haritadan alıntı yapan araştırmacıların, özellikle soluk veya olağandışı kaynaklar açısından, gözlemlenen alanları yeniden oluşturulmuş alanlardan ayırması gerekecek.
Proje aynı zamanda Anthropic'in, gökyüzü haritasından bu hafta duyurulan açık kaynaklı yazılım için güvenlik açığı taramasına kadar modellerini bilimsel iş akışları içinde konumlandırmaya yönelik daha geniş çabasının da sinyalini veriyor. Astronomi topluluğu için hemen çıkarılacak sonuç daha basit: şu anda var olmayan bir veri kümesi var ve onu oluşturan araçlar bir sonraki görevlere yönlendirilebilir.
---
Yapay Zekanın Önünde OlunEn son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
