Ось приклад використання штучного інтелекту, який, здається, приносить більше користі, ніж шкоди. Двоє астрономів з Європейського космічного агентства (ESA) розробили нейронну мережу, яка шукає аномалії на космічних знімках. Результати значно перевершили те, що могли б зробити людські експерти. За два з половиною дні вона проаналізувала майже 100 мільйонів фрагментів зображень і виявила 1400 аномальних об’єктів.
Творці моделі ШІ, Девід О’Раян і Пабло Гомес, назвали її AnomalyMatch. Вони навчили її (і застосували) до архіву Hubble Legacy Archive, який містить десятки тисяч наборів даних за 35-річну історію роботи телескопа «Габбл». «Хоча досвідчені вчені чудово справляються з виявленням космічних аномалій, даних «Хаббла» просто занадто багато, щоб експерти могли вручну відсортувати їх на необхідному рівні деталізації», — написало ЄКА у своєму прес-релізі.
Менш ніж за три дні сканування AnomalyMatch повернув список ймовірних аномалій. Наприкінці все одно потрібне людське око: Гомес і О’Раян переглянули кандидати, щоб підтвердити, які з них дійсно були аномальними. Серед 1400 аномальних об’єктів, підтверджених парою, понад 800 раніше не були задокументовані.
Більшість результатів показали злиття або взаємодію галактик, що може призвести до утворення дивних форм або довгих хвостів зірок і газу. Інші були гравітаційними лінзами. (Це коли гравітація галактики на передньому плані викривляє простір-час, так що світло від галактики на задньому плані викривляється в коло або дугу). Інші відкриття включали диски, що утворюють планети, які розглядалися з краю, галактики з величезними скупченнями зірок і галактики-медузи. Додаючи трохи таємничості, було навіть «кілька десятків об’єктів, які взагалі не піддавалися класифікації».
«Це фантастичне використання штучного інтелекту для максимізації наукової віддачі архіву «Габбла», — цитує слова Гомеса в оголошенні ЄКА. «Знаходження такої великої кількості аномальних об’єктів у даних «Габбла», де можна було б очікувати, що багато з них вже було знайдено, є чудовим результатом. Це також показує, наскільки корисним буде цей інструмент для інших великих наборів даних».
