Paul Arends
Hier is een interessante toepassing van AI die meer goed dan kwaad lijkt te doen. Een groep astronomen van de European Space Agency (ESA) heeft een neuraal netwerk ontwikkeld dat afwijkingen in ruimtebeelden kan detecteren. De resultaten waren verrassend en gingen verder dan wat menselijke experts hadden kunnen bereiken. In slechts twee en een halve dag doorzocht dit netwerk bijna 100 miljoen beeldfragmenten en ontdekte maar liefst 1.400 afwijkende objecten.
De makers van dit AI-model, David O’Ryan en Pablo Gómez, noemen het AnomalyMatch. Ze hebben het model getraind en toegepast op het Hubble Legacy Archive, dat enorm veel datasets bevat uit de 35-jarige geschiedenis van de Hubble-telescoop. Volgens ESA is er simpelweg te veel data voor menselijke experts om handmatig te doorzoeken op het vereiste detailniveau.
Na minder dan drie dagen scannen leverde AnomalyMatch een lijst op met mogelijke afwijkingen. Uiteindelijk is menselijke controle nog steeds nodig: Gómez en O’Ryan hebben de kandidaten onderzocht om te bevestigen welke objecten echt abnormaal waren. Van de 1.400 bevestigde afwijkende objecten waren er meer dan 800 die nog niet eerder gedocumenteerd waren.
De meeste ontdekkingen toonden fusies van sterrenstelsels of interacties tussen hen, wat kan leiden tot vreemde vormen of lange staarten van sterren en gas. Andere ontdekkingen omvatten zwaartekrachtlensvorming, planeetvormende schijven, sterrenstelsels met enorme sterrenclusters en zelfs “kwallenstelsels”. Enkele objecten tartten zelfs alle classificatie.
“Dit is een fantastische toepassing van kunstmatige intelligentie om de wetenschappelijke output van het Hubble-archief te maximaliseren”, aldus Gómez in de aankondiging van ESA. “Het vinden van zoveel afwijkende objecten in de Hubble-data, waarvan je zou verwachten dat ze al ontdekt zouden zijn, is een geweldig resultaat. Het laat ook zien hoe nuttig deze tool kan zijn voor andere grote datasets.”
BRON
