Naučnici sa Univerziteta Northwestern, Univerziteta u Čikagu i laboratorije Fermilab postigli su istorijski uspeh u razvoju alata veštačke inteligencije (AI) za dinamičko zakazivanje teleskopskih posmatranja. Ovaj inovativni sistem razvijen je u okviru instituta SkAI (AI Institute for the Sky), koji zajednički finansiraju National Science Foundation (NSF) i Simons Foundation. Sistem je svoju praktičnu primenu potvrdio na teleskopu Victor M. Blanco, koji se nalazi na interameričkoj opservatoriji Cerro Tololo (CTIO) u Čileu. Osnovna svrha alata je potpuna automatizacija kritičnih odluka o tome gde teleskop treba da bude usmeren u svakom trenutku, čime se optimizuje korišćenje dragocenog vremena za istraživanje svemira.
|
Zapanjujući Mlečni put graciozno se nadvija nad 4-metarskim teleskopom Viktor M. Blanko Nacionalne naučne fondacije SAD u Interameričkoj opservatoriji Sero Tololo (CTIO), programu NSF NOIRLab. CTIO se nalazi na nadmorskoj visini od 2200 metara (7200 stopa) u udaljenim planinama Čilea. Ova lokacija, visoko na nebu i daleko od svetlosnog zagađenja grada, omogućava teleskopima poput Blanka da proučavaju nebo u zapanjujućoj jasnoći. Sistem veštačke inteligencije je po prvi put uspešno planirao i prilagodio posmatranja u nacionalnom objektu, demonstrirajući novi način da se maksimalno iskoristi oskudno vreme za posmatranje. Obučen na 13 godina istorijskih podataka iz istraživanja tamne energije (DES) koje finansira Ministarstvo energetike SAD, sistem je generisao raspored posmatranja za Blanko i revidirao ga u realnom vremenu kako su se menjali vremenski i drugi uslovi. Izvor: CTIO/NOIRLab/NSF/AURA/P. Horalek (Institut za fiziku u Opavi) |
Izazovi tradicionalnog planiranja posmatranja
U svetu profesionalne astronomije, planiranje posmatranja je ekstremno kompleksna operacija koja zahteva stalnu ljudsku procenu. Astronomi moraju neprestano da balansiraju između naučnih prioriteta i promenljivih ambijentalnih faktora. S obzirom na to da su veliki teleskopi nacionalni i međunarodni resursi za koje istraživački timovi čekaju mesecima, svaka neefikasnost direktno usporava naučni progres. Pogrešna odluka o usmeravanju pod nepovoljnim uslovima može rezultirati mutnim ili "ispranim" podacima, čime se bespovratno gubi termin koji se možda neće ponoviti mesecima.
Rad astronoma na terenu otežavaju tri ključna faktora:
- Vremenski uslovi: Iznenadne promene u oblačnosti i vlažnosti zahtevaju trenutnu promenu strategije.
- Mesečina: Intenzitet i položaj meseca mogu drastično smanjiti vidljivost bledo osvetljenih objekata.
- Ograničeno vreme: Svaka sekunda rada na vrhunskim opservatorijama je neprocenjiva, što nalaže maksimalnu operativnu efikasnost.
Tehnička osnova i obuka AI modela
Sistem se zasniva na principima dubokog učenja (deep learning) i konceptima učenja potkrepljivanjem (reinforcement learning). Umesto da programiraju fiksna pravila, istraživači su omogućili modelu da samostalno uči na osnovu decenijskog iskustva stručnjaka. Model je obučen koristeći istorijske podatke iz projekta Dark Energy Survey (DES), koji obuhvataju 13 godina preciznih zapisa o radu Blanco teleskopa.
Tokom procesa obuke, sistem je analizirao specifična usmeravanja teleskopa u datim trenucima, pokušavao da predvidi sledeći logičan korak astronoma, a zatim korigovao svoje greške upoređujući predviđanje sa stvarnom odlukom stručnjaka. Kroz ovaj proces, AI je samostalno identifikovao kako sjaj meseca ili atmosferske prilike utiču na kvalitet snimaka, bez potrebe za eksplicitnim programiranjem tih pravila. Na razvoju ovog alata radio je širok interdisciplinarni tim, uključujući istraživače kao što su Paul Chichura i Rachel Hur, koji su bili ključni za implementaciju modela na samom terenu.
Rezultati testiranja na terenu: "Samovozeći" teleskop
Praktična provera sistema izvršena je pomoću kamere DECam od 570 megapiksela, montirane na teleskop Blanco. Tokom testiranja, veštačka inteligencija je demonstrirala izvanrednu agilnost, ne samo u kreiranju inicijalnog plana, već i u njegovom prilagođavanju u realnom vremenu usled naglih promena atmosferskih uslova. Ova tehnologija efektivno pretvara opservatoriju u "samovozeći" (self-driving) teleskop, sposoban da samostalno donosi odluke koje su ranije zahtevale sate ljudskog dežurstva.
„Ovo je važna prekretnica ka autonomnijim opservatorijama. Jedno od glavnih dostignuća je postavljanje celokupne infrastrukture potrebne za implementaciju samovozećeg teleskopa na nacionalnoj opservatoriji. Trenutno je učinak veštačke inteligencije uporediv sa ljudskim sposobnostima, ali naš sledeći korak je da naučimo računar da nadmaši čoveka,“ izjavio je Alex Drlica-Wagner, jedan od vođa projekta.
Budućnost i značaj za astronomsku zajednicu
Automatizacija tehničkih i operativnih zadataka donosi fundamentalnu promenu u astronomskim istraživanjima. Oslobađanjem astronoma od rutinskog planiranja, fokus se pomera ka dubljoj analizi podataka i rešavanju fundamentalnih kosmoloških pitanja.
Ova tehnologija biće od presudnog značaja za sledeću generaciju instrumenata, poput opservatorije Vera C. Rubin. Očekuje se da će Rubin generisati neviđene količine podataka svake noći, a inteligentni sistemi će biti neophodni za koordinaciju pomoćnih (companion) teleskopa koji moraju munjevito da reaguju na prolazne astronomske fenomene.
Zaključak
Uspeh postignut u Čileu postavlja temelje za budućnost potpuno autonomnih opservatorija. Ovaj milja u primeni veštačke inteligencije ne samo da optimizuje korišćenje skupocenih naučnih instrumenata, već i redefiniše način na koji prikupljamo informacije o univerzumu. Institut SkAI nastavlja svoju misiju razvoja pouzdanih AI alata koji će služiti kao most između napredne tehnologije i velikih naučnih otkrića, ubrzavajući naš put ka razumevanju mračnih dubina svemira.
KOJI TELESKOP DA KUPIM?
