Claude Science của Anthropic đã tạo ra bản đồ tia cực tím hoàn chỉnh đầu tiên của toàn bộ bầu trời, một cột mốc được mô tả bởi nhà vật lý thiên văn Johns Hopkins Brice Ménard, người đứng đầu dự án và trình bày chi tiết quá trình trên trang web của Anthropic. Nỗ lực này, được báo cáo bởi The Decoding, cho thấy cách các tác nhân AI phối hợp có thể tiếp thu công việc dữ liệu tẻ nhạt mà các nhóm nghiên cứu sẽ không bao giờ thực hiện được.

Bản đồ lấp đầy những khoảng trống hàng thập kỷ do các sứ mệnh không gian trước đó để lại, kết hợp các quan sát lưu trữ với sự tái tạo do mô hình tạo ra của các khu vực mà không có kính viễn vọng nào có thể bao phủ đầy đủ. Đây là một trong những ví dụ cụ thể nhất về việc AI chuyển từ chatbot và trợ lý mã hóa sang máy móc nghiên cứu khoa học hàng ngày — một chủ đề xuyên suốt phần lớn phạm vi nghiên cứu AI.

Tại sao Bản đồ UV hoàn chỉnh chưa bao giờ tồn tại

Tia cực tím không thể nhìn thấy được từ mặt đất. Tầng ozone chặn nó, có nghĩa là thiên văn học tia cực tím chỉ có thể được thực hiện từ không gian. Sứ mệnh GALEX của NASA, khảo sát bầu trời bằng tia cực tím từ năm 2003 đến năm 2013, đã tìm cách bao phủ khoảng 2/3 bầu trời nhưng bỏ qua các vùng hình thành sao sáng, nơi ánh sáng mạnh đến mức có thể làm hỏng máy dò hoặc bão hòa các quan sát.

Điều đó khiến khoảng một phần ba bầu trời không có tia UV - bao gồm một số khu vực lân cận thú vị nhất về mặt khoa học, dày đặc các ngôi sao trẻ và sự hình thành sao đang hoạt động. Trong hơn một thập kỷ, các nhà thiên văn học làm việc với dữ liệu UV đã phải đối mặt với những lỗ hổng đó, ghép các phần nhìn lại với nhau hoặc đơn giản là tránh các vùng bị thiếu trong phân tích của họ.

Cách các đặc vụ AI lắp ráp bản đồ

Claude Science điều phối các nhóm đặc vụ AI đã tải xuống dữ liệu từ nhiều sứ mệnh không gian, hiệu chỉnh và hợp nhất dữ liệu đó vào một bản đồ nhất quán duy nhất. Khi thiếu quan sát, hệ thống sẽ sử dụng tính năng inpainting - một kỹ thuật trong đó mô hình học hỏi từ dữ liệu hiện có để tái tạo lại các khoảng trống.

Theo mô tả của Ménard về dự án, các kết quả đã được xác thực dựa trên các phép đo thực tế: trong các thử nghiệm, các dự đoán của mô hình đã sai lệch so với giá trị thực tế trung bình khoảng 10%. Tỷ lệ lỗi đó rất quan trọng - đó là sự khác biệt giữa một sản phẩm có thể sử dụng được về mặt khoa học và một bức tranh đẹp - và nó cho thấy các bản tái tạo đủ gần để hỗ trợ công việc khám phá, ngay cả khi chúng không thể thay thế cho việc quan sát trực tiếp.

Ánh sáng tia cực tím cho thấy bụi được ánh sáng sao chiếu sáng, bao gồm các cấu trúc như đám mây xung quanh các ngôi sao trẻ và các vòng do vụ nổ sao để lại. Với bầu trời bị che phủ hoàn toàn, các nhà nghiên cứu có thể nghiên cứu những đặc điểm đó ở những khu vực trước đây là điểm mù.

Kết quả là cách tiếp cận phối hợp tác nhân cũng đáng chú ý. Thay vì một mô hình duy nhất trả lời các câu hỏi, hệ thống đã phân chia dự án thành các công việc — xác định vị trí kho lưu trữ của nhiệm vụ, lấy dữ liệu, kiểm tra hiệu chỉnh, căn chỉnh các dự báo, hợp nhất các khảo sát chồng chéo, xác định các khoảng trống — và giao chúng cho các đại lý chuyên môn làm việc trong quy trình. Các nhà khoa học con người đặt ra các yêu cầu và xác nhận đầu ra; các đặc vụ đã thực hiện công việc lắp ráp mà lẽ ra sẽ tiêu tốn cả thập kỷ của một sinh viên mới tốt nghiệp.

Công cụ giảng dạy và mẫu

Ménard cho biết bản đồ này nhằm mục đích làm tài liệu giảng dạy, lần đầu tiên mang đến cho sinh viên và nhà nghiên cứu cái nhìn toàn cảnh về bầu trời cực tím. Nhưng ý nghĩa lớn hơn có thể nằm ở chính quy trình làm việc.

Ông nghi ngờ nhiều nhà khoa học đã trì hoãn các dự án tương tự – những nỗ lực tích hợp dữ liệu lớn, không mấy hấp dẫn mà giờ đây AI có thể thực hiện được. Kho lưu trữ từ các sứ mệnh không gian trong quá khứ chứa đầy dữ liệu chưa bao giờ được khai thác triệt để, không phải vì nó thiếu giá trị mà vì việc dọn dẹp, hiệu chỉnh và hợp nhất sẽ khiến nhóm nghiên cứu phải mất nhiều năm làm việc cật lực. Các hệ thống dựa trên tác nhân như Claude Science đã thay đổi nền kinh tế đó: việc điều phối và xử lý dữ liệu từng tiêu tốn cả sự nghiệp có thể xảy ra trong một dự án.

Nguồn gốc của những khoảng trống cũng có một sự mỉa mai thầm lặng. GALEX đã bỏ qua các vùng hình thành sao sáng nhất một cách chính xác vì chúng nằm trong số những mục tiêu có giá trị nhất - động cơ hình thành sao mới mà các nhà thiên văn học muốn nghiên cứu nhất dưới ánh sáng cực tím. Một nhiệm vụ được thiết kế xoay quanh việc bảo vệ thiết bị đã khiến những khu vực lân cận thú vị nhất của nó không được lập bản đồ và chỉ đến bây giờ, với sự tái thiết được hỗ trợ bởi AI, điểm mù đó mới được lấp đầy.

Những lưu ý

Các vùng không được vẽ là dự đoán chứ không phải phép đo. Khoảng một phần ba bản đồ này tồn tại nhờ một mô hình đã suy ra bầu trời UV sẽ trông như thế nào dựa trên dữ liệu xung quanh và các kiểu mẫu được học từ các vùng được che phủ. Độ lệch trung bình 10 phần trăm là con số tổng hợp; các cấu trúc cụ thể - một vòng mờ xung quanh tàn dư sao, rìa của đám mây bụi - có thể kém tin cậy hơn so với số liệu thống kê tổng thể của bản đồ.

Đó không phải là sự sa thải. Mọi dự án tái thiết trong thiên văn học đều phải đối mặt với sự đánh đổi giống nhau và dự án Anthropic đều minh bạch về những khu vực được suy ra. Nhưng các nhà nghiên cứu trích dẫn bản đồ sẽ cần phải phân biệt các khu vực được quan sát với các khu vực được tái tạo, đặc biệt là đối với các nguồn mờ nhạt hoặc bất thường.

Dự án cũng báo hiệu sự thúc đẩy rộng rãi hơn của Anthropic trong việc định vị các mô hình của mình trong quy trình công việc khoa học, từ bản đồ bầu trời đến quét lỗ hổng cho phần mềm nguồn mở được công bố trong tuần này. Đối với cộng đồng thiên văn học, bài học ngay lập tức đơn giản hơn: một tập dữ liệu chưa tồn tại hiện nay và công cụ xây dựng nó có thể được dùng cho các nhiệm vụ khác tiếp theo.

---

Đi trước AI

Nhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.

Đọc thêm tin tức về AI →