شنبه ۳۰ آبان ۱۴۰۵ | ۱۵:۰۶
کلود، یک سیاره کشف کن!

شکار سیاره‌ها با کمک هوش مصنوعی

کلود، یک سیاره کشف کن!

ابزارهای هوش مصنوعی به شهروند دانشمندان کمک می‌کنند تا نامزدهای ناشناخته سیاره‌های فراخورشیدی را شناسایی کنند؛ هرچند اعتبار برخی از این یافته‌ها بیشتر از بقیه است.

به گزارش ایسنا، در ماه سپتامبر، پاول رابتسویچ (Pavel Rabtsevich) پشت رایانه خود نشست و از یک مدل هوش مصنوعی خواست سیاره‌ای را کشف کند. رابتسویچ مجموعه مشخصی از داده‌های تلسکوپی را در اختیار این هوش مصنوعی قرار داد و یک برنامه کلی برای جست‌وجوی شواهد مربوط به سیاره‌های کشف‌ نشده به آن داد.

به نقل از نیچر، این ربات حدود دو هفته بعد، نتیجه جست‌وجوی خود را ارائه داد: دو سیاره احتمالی که به دور ستاره‌ای در فاصله ۱۱۶ سال نوری از زمین می‌چرخند. اکنون ستاره‌شناسان حرفه‌ای در حال بررسی یافته‌های این هوش مصنوعی هستند.

رابتسویچ که در اسپانیا به‌ عنوان متخصص هوش مصنوعی فعالیت می‌کند و تحصیلات دانشگاهی رسمی در رشته نجوم ندارد، یکی از موفق‌ترین افراد در موج جدید ستاره‌شناسان آماتوری است که از مدل‌های هوش مصنوعی برای جست‌وجوی جهان‌های خارج از منظومه شمسی استفاده می‌کنند.

شهروند دانشمندان چندین دهه است که با استفاده از ابزارهای در دسترس عموم که ناسا و دیگر پژوهشگران ارائه کرده‌اند، به جست‌وجوی سیاره‌های جدید می‌پردازند. با این‌ حال، توانایی هوش مصنوعی در جست‌وجو در اینترنت، یافتن این ابزارها و استفاده از آن‌ها برای پردازش حجم عظیمی از داده‌ها، ورود افراد غیرمتخصص به حوزه شکار سیاره‌ها را آسان‌تر کرده است. با این‌ حال، دسترسی آسان‌تر به ابزارهای تحلیل داده به این معنا نیست که همه افراد آماتور پژوهش‌های خود را به‌ درستی انجام می‌دهند.

میشل کنیموتو (Michelle Kunimoto)، پژوهشگر سیاره‌های فراخورشیدی در دانشگاه بریتیش کلمبیا در ونکوور کانادا، می‌گوید برخی از شکارچیان سیاره‌ها درک کاملی از الگوریتم‌هایی که ابزارهای هوش مصنوعی به کار می‌گیرند، ندارند و به همین دلیل نمی‌توانند یافته‌های این مدل‌ها را اعتبارسنجی کنند. او می‌گوید: با موجی عظیم و طاقت‌فرسا از مقالات مبتنی بر هوش مصنوعی روبه‌رو شده‌ایم که معمولا نامزدهای سیاره‌ای چندان باکیفیتی معرفی نمی‌کنند. به گفته او، در نتیجه این روند، سامانه‌هایی که برای انتشار و به‌ اشتراک‌گذاری یافته‌های علمی استفاده می‌کنیم، زیر فشار قرار گرفته‌اند.

یک ستاره‌شناس هوش مصنوعی

رابتسویچ برای جست‌وجوی خود از «کلود کد» (Claude Code)، ابزار برنامه‌نویسی مبتنی بر هوش مصنوعی شرکت آنتروپیک (Anthropic)، کمک گرفت.

او از این ابزار خواست داده‌های مربوط به بیش از ۱۲۰ هزار ستاره را که ماهواره نقشه‌بردار سیاره‌های فراخورشیدی ناسا موسوم به «تس» (TESS) در اواخر سال ۲۰۲۵ و اوایل سال ۲۰۲۶ رصد کرده بود، بررسی کند.

رابتسویچ کلود را هدایت کرد تا با استفاده از یک الگوریتم رایج برای شناسایی سیاره‌ها، به دنبال افت در میزان روشنایی ستاره‌ها بگردد. کاهش منظم و تکرار شونده روشنایی یک ستاره می‌تواند نشانه‌ای از وجود سیاره‌ای در مدار آن باشد؛ زیرا هر بار که سیاره از مقابل ستاره و در مسیر دید ناظر عبور می‌کند، بخشی از نور ستاره را مسدود می‌کند.

کلود روی ستاره‌ای با نام TIC 4206066 متمرکز شد که دو دوره مجزای کاهش روشنایی در آن مشاهده شده بود؛ یکی تقریبا هر سه روز یک‌بار و دیگری هر ۱۱ روز یک‌بار تکرار می‌شد. این الگو نشان می‌داد که احتمالا دو سیاره به دور این ستاره می‌چرخند؛ یکی از آن‌ها در مدار نزدیک‌تری به ستاره قرار دارد و در نتیجه، برای تکمیل یک دور گردش به زمان کمتری نیاز دارد.

رابتسویچ از کلود خواست همین الگوهای تکرار شونده را در داده‌های آرشیوی ماهواره تس نیز جست‌وجو کند. بررسی‌ها نشان داد داده‌های ثبت‌ شده در سال‌های ۲۰۱۸ و ۲۰۲۰ نیز همین الگوی کاهش روشنایی را در ستاره TIC 4206066 ثبت کرده‌اند.

رابتسویچ سپس از کلود خواست یک الگوریتم شناسایی سیاره را پیدا کند که کنیموتو آن را نوشته و به‌ صورت عمومی منتشر کرده بود. کلود نیز این الگوریتم را برای اعتبارسنجی سیگنال‌های شناسایی‌شده به کار گرفت. رابتسویچ در روز ۲۵ سپتامبر، یافته‌های خود را در قالب یک مقاله پیش‌چاپ در پلتفرم «زنودو» (Zenodo) منتشر کرد.

این پژوهش هنوز داوری علمی نشده است، اما ستاره‌شناسان پروژه تس تحلیل مستقلی از این سیگنال‌ها انجام داده و آن‌ها را به فهرست رسمی نامزدهای سیاره‌ای این پروژه اضافه کرده‌اند. کنیموتو نیز معتقد است این نامزدهای سیاره‌ای امیدوارکننده به نظر می‌رسند. در واقع، او اوایل سال جاری میلادی همین سیگنال‌ها را شناسایی کرده بود، اما هنوز یافته‌های خود را منتشر نکرده است.

اکنون پروژه تس در حال انجام رصدهای تکمیلی برای بررسی این نامزدهای سیاره‌ای است. انتظار می‌رود این آزمایش‌ها تا ماه دسامبر یا ژانویه مشخص کنند که آیا کنیموتو، رابتسویچ و کلود در یافته‌های خود درست عمل کرده‌اند یا خیر.

کمبود تخصص؛ چالش جدی پژوهش‌های هوش مصنوعی

همه اکتشافات انجام‌شده توسط افراد آماتور با استقبال یکسانی از سوی جامعه علمی مواجه نشده‌اند.

آدینا فاینستاین (Adina Feinstein)، ستاره‌شناس رصدی در دانشگاه ایالتی میشیگان در ایست لنسینگ، در شبکه‌های اجتماعی از یک مقاله پیش‌چاپ انتقاد کرد که در ماه اکتبر در پایگاه علمی آرکایو (arXiv) منتشر شده بود.

این پژوهش یک نامزد جدید سیاره فراخورشیدی را معرفی می‌کرد و تنها یک نویسنده داشت که هیچ وابستگی دانشگاهی یا پژوهشی برای خود ذکر نکرده بود. به گفته فاینستاین، یک عبارت در بخش توضیحات مربوط به استفاده از هوش مصنوعی در این مقاله، زنگ خطر جدی را به صدا درمی‌آورد: نویسنده تحلیل‌ها را به‌ طور مستقل بررسی نکرده و تخصص لازم برای تایید تک‌تک جزئیات فنی را ندارد.

فاینستاین این موضوع را بسیار نگران‌کننده می‌داند و می‌گوید: این فرد مقاله‌ای ۲۱ صفحه‌ای منتشر کرده، اما در ادامه پذیرفته است که در واقع نمی‌تواند تایید کند یافته‌هایش واقعی هستند یا خیر.

جدیدترین نسخه این مقاله پیش‌چاپ از پایگاه آرکایو حذف شده است؛ زیرا طبق توضیحی که مدیران این وب‌سایت منتشر کرده‌اند، مقاله با استانداردهای این پایگاه برای استفاده از ابزارهای هوش مصنوعی مولد مطابقت نداشته است.

کنیموتو می‌گوید از صداقت نویسنده درباره نداشتن تخصص کافی قدردانی می‌کند. او اضافه می‌کند که احتمالا بسیاری از افراد آماتور نیز صلاحیت لازم برای تحلیل نتایج پژوهش‌های خود را ندارند، اما برخلاف این نویسنده، محدودیت‌های تخصصی خود را به‌ روشنی بیان نمی‌کنند.

به گفته کنیموتو، دانشمندان شهروند برای مشارکت موثر در جامعه نجوم باید اطمینان حاصل کنند که کدی را که ابزارهای هوش مصنوعی به کار می‌گیرند، درک می‌کنند و هر زمان که روند کار برایشان روشن نیست، از متخصصان کمک می‌گیرند.

فاینستاین تاکید می‌کند که درخواست برای شفافیت و اعتبارسنجی دقیق نتایج به معنای دلسرد کردن افراد غیرمتخصص از علاقه‌مندی به کشف سیاره‌های فراخورشیدی نیست. او می‌گوید: ما دوست داریم جامعه در فعالیت‌های علمی مشارکت داشته باشد و از علاقه‌مندی شهروند دانشمندان به علم استقبال می‌کنیم؛ اما در عین حال می‌خواهیم مطمئن شویم که آن‌ها از ابزارها به‌درستی استفاده می‌کنند.

انتهای پیام

# علمی‌ و دانشگاهی

آخرین اخبار علمی‌ و دانشگاهی