غزال زیاری: حامد ولیزادگان یکی از دانشمندانی است که درزمینهٔ یادگیری ماشین در ناسا مشغول فعالیت است. او پیشازاین، الگوریتمی را برای بررسی تصاویر رگهای خونی در شبکیه فضانوردان آموزش داد و بدین ترتیب تلاشها برای درک تغییرات بینایی در ریز گرانش را بهبود بخشید. او که از کودکی شیفته آسمان شب بود، حالا این علاقه را در راستای مطالعه درباره ستارهها به کار گرفته است.
ولی زادگان دراینباره گفت: «میتوانم ساعتها آسمان را تماشا کنم و به معنای زندگی و اینکه آیا ما در این جهان وسیع تنها هستیم یا نه، فکر کنم.» تا چندی پیش همکاران او، تمایلی به بهرهگیری از هوش مصنوعی بهعنوان ابزاری برای کاوش در کیهان نداشتند. شاید دلیلشان این بود که الگوریتمهای پیشرفته معمولاً عملکردشان را نشان نمیدهند.
ازآنجاکه سیستمهای پیشرفته هوش مصنوعی از مغز الهام میگیرند، نورونهای مصنوعی محاسباتی را انجام داده و اطلاعات را به سایر گرههای شبکه منتقل میکنند. سیستمهای بهدستآمده آنقدر به شکلی متراکم محاسبات را انجام میدهند که نمیتوان دریافت که چطور به نتیجه نهایی میرسند. ولیزادگان معتقد است که همین موضوع، برای دانشمندانی که استانداردهای تاریخی را برای مدلسازی و شبیهسازی فوقالعاده دقیق پذیرفته بودند، قابلقبول نبود.
اما نجوم مدرن در مسیر جذابی قرار داشت. تلسکوپهای موجود در فضا و زمین اطلاعات زیادی را جمعآوری میکنند که انسان نمیتواند بهسرعت آنها را رمزگشایی کند و رصدخانههای آینده هم مشاهدات بیشتری انجام میدهند. مثلاً پیشنهاد ساخت رصدخانه ورا. سی.روبین در شیلی اولین بار در سال ۲۰۰۱ مطرح شد و قرار است تا از سال ۲۰۲۵، این رصدخانه هر سه شب یکبار با بزرگترین دوربین جهان، با وضوح ۳۲۰۰ مگاپیکسل، کل آسمان را به تصویر بکشد و انتظار میرود که هرسال اطلاعات یکمیلیون ابرنواختر و همچنین دهها هزار سیارک و دیگر اجرام آسمانی را ثبت کند. این اطلاعاتی است که هرگز دانشمندان نمیتوانند بهتنهایی به مطالعه آن بپردازند.
در سال ۲۰۱۴ ولی زادگان از اخترشناسی به نام جان جنکینز دعوت کرد تا به جستجوی سیارهای مشابه با زمین در کهکشان ما بپردازند. این یک پروژه رؤیایی بود که ولی زادگان به آن امید زیادی داشت.
ازآنجاکه ممکن است زندگی در سیارات دیگر با شکلی متفاوت از سیاره ما در جریان باشد، دانشمندان هدفشان را بر روی یافتن چیزهای آشنا گذاشتهاند: دنیایی سنگی با جوی پایدار و آب مایع که به دور یک ستاره میچرخد. اما کشف چنین سیارهای به معنای واقعی کلمه، مشکلی بزرگ است. طبق تخمینها تعداد سیارات کهکشان راه شیری حدوداً صدها میلیارد است که تنها بخشی کوچک ولی ناشناخته آنها شبیه به زمین هستند.
البته بشر در شروع این جستوجو، روند نسبتاً کندی دارد. در سال ۱۹۹۵ ستاره شناسان اولین سیارهای را پیدا کردند که به دور ستارهای غیر از خورشید میچرخد. در طول دهه ۲۰۱۰ تلاشها با تلسکوپ فضایی کپلر شتاب گرفت؛ این تلسکوپ گهگاه میچرخید تا ستارهای را اسکن کند. جانشین این تلسکوپ یعنی ماهواره بررسی سیاره فراخورشیدی عبوری، در سال ۲۰۱۸ به فضا پرتاب شد تا بخش وسیعتری از آسمان را رصد کند و روی حدود دویست هزار ستاره نزدیکتر به زمین تمرکز نماید.
حتی با این رصدخانههای فضایی هم، شناسایی سیارهای که به دور ستاره دیگری بچرخد، زمانبر و دشوار است. این تلسکوپها نمیتوانند خود سیاره را رؤیت کنند، دقیقاً همانطور که هر تلسکوپ معمولیای نمیتواند مشتری یا زحل را ببیند. در عوض وجود آن را به صورت غیر مستقیم تأیید میکند که شامل اندازهگیری تپشهای تقریباً نامحسوس در روشنایی یک ستاره است که میتواند یک سیاره در حال گذر را نشان دهد.
ستاره شناسان تغییرات نور ستارگان که بهعنوان منحنیهای نور شناخته میشوند را بررسی میکنند تا سیارههای بالقوه را شناسایی کنند. در ادامه تلسکوپهای زمینی، برای اثبات وجود آنها، چگونگی تکان خوردن یک ستاره در زیر کشش گرانشی سیارهاش را اندازهگیری میکنند. هنگامیکه سیارهای پیدا میشود، درک چگونگی آن، حتی پیچیدهتر است. اما ستاره شناسان میتوانند بر اساس اندازه و فاصله از ستارگان فرضیاتی داشته باشند.
به لطف این تلاشها، اخترشناسان اکنون حداقل ۵۶۰۰ سیاره را میشناسند که به دور ستارههای دوردست در کهکشان راه شیری میچرخند. برخی از آنها سیارات گازی بزرگتر از مشتری و زحل هستند و برخی دیگر کوچکتر از مریخ. بیشتر آنها سیاراتی هستند که از گاز، سنگ یا هر دو ساختهشدهاند و اغلب در ابعاد زمین و نپتون هستند.
البته هیچیک از آنها شبیه خانه ما نیست؛ چراکه شرایط یا مواد شیمیایی لازم برای زندگی به معنای آنچه میشناسیم را ندارد. هرچند که هوش مصنوعی با نگاهی عمیقتر، میتواند چیز متفاوتی را آشکار کند.
در سال ۲۰۱۸ ولی زادگان و تیمش یک برنامه یادگیری ماشینی را به هدف سرعت بخشیدن به تلاشهای شکار سیارات فراخورشیدی ساختند. آنها این نرمافزار را بر رویدادههای سیارات تأییدشده و همچنین موارد مثبت کاذب، مثل ستارههای دوتایی که ممکن است با سیارات در حال عبور اشتباه گرفته شوند، آموزش دادند و آن را ExoMiner نامیده و در آرشیو مشاهدات تلسکوپ کپلر آزمایش کردند.
ولی زادگان گفت: «نمیدانستم قرار است به چه نتیجهای برسیم.» اما این مدل سریعاً ۳۷۰ سیاره فراخورشیدی ناشناخته را شناسایی کرد. او ادامه داد: «در ابتدا با مقاومت زیادی از سوی دانشمندان روبرو بودیم که معتقد بودند که نباید به این سیارههای فراخورشیدی برچسب زد.» اما با گذشت زمان، آنها اعتمادبهنفس بیشتری پیدا کردند.
هیچیک از این ۳۷۰ سیاره جدید مثل زمین یا دیگر سیارات منظومه شمسی ما نیستند. یک جهان جدید، به نام Kepler-۴۹۵ c، تقریباً دو برابر زمین است و هر شش روز یکبار با سرعتی حیرتانگیز به دور ستارهاش میچرخد. دیگری به نام Kepler-۲۷ d، تقریباً به بزرگی نپتون یا تقریباً هشت برابر بزرگتر از زمین است و یک سال را در شش و نیم روز تجربه میکند. این سیارات که توسط گرما و تشعشعات ستارگانشان سرخشدهاند، احتمالاً غیرقابلسکونت هستند.
ولی زادگان معتقد است که ExoMiner بهمنزله گام آغازین در استفاده از هوش مصنوعی برای حل این مشکل و مثل یافتن سوزن در انبار کاه است. نسل جدیدی از تلسکوپهای شکار سیاره که در دهه آینده به فضا پرتاب میشوند، مقادیر زیادی از نور ستارهها را به زمین میآورند. ردیابهای آینده سیارههای هوش مصنوعی، که برپایه موفقیت ExoMiner ساختهشدهاند هم درحالتوسعهاند. حالا محققان بر این باورند که هوش مصنوعی میتواند نهتنها در تلاش برای کشف جهانهای جدید، بلکه سیارههایی که بهاحتمالزیاد میزبان زندگی هستند، مفید باشد.
در سال ۲۰۲۰، لیزا کالتنگر، اخترفیزیک دان سیارات فراخورشیدی و مدیر مؤسسه کارل ساگان دانشگاه کرنل و همکارش دانگ فام، به این فکر افتادند که سیستمهای یادگیری ماشینی را برای شناسایی منابع حیاتبخشی مثل آب آموزش دهند؛ این کاری است که ExoMiner توان انجام آن را ندارد. کالتنگر در این باره گفت: «اگر یخ یا ابر پیدا کنید، میتوانید وجود آب را استنباط کنید.»
کالتنگر و فام برای شبیهسازی سیارات فراخورشیدی با سطوح سنگی، آب، ابر و یخ از اندازهگیریهای جو زمین استفاده کردند. آنها بهعلاوه الگوریتمی را آموزش دادند تا به دنبال نشانهای از حیات به نام لبه قرمز (طولموجهایی از نور که گیاهان به فضا بازتاب میکنند)، باشد.
آنها متوجه شدند که نرمافزارشان میتواند در حدود سهچهارم مواقع وجود حیات در یک جو شبیهسازیشده را تشخیص دهد؛ کالتنگر گفت: «فکر میکردم انجام این کار خیلی سخت باشد، اما الگوریتمهای یادگیری ماشینی در یافتن الگوها در دادهها کاملاً مؤثر هستند.» دراینبین ایراداتی هم وجود دارد؛ مثلاً این الگوریتمها نمیتوانند اطمینان مطلقی را ارائه دهند ولی در عوض، میتوان تخمین زد که درصدی از سطح یک سیاره، پوشیده از حیات است. کالتنگر معتقد است که این یک سرنخ بسیار مفید خواهد بود.
او توضیح داد: «اینطور نیست که هوش مصنوعی بگوید که ما سیارهای شبیه به زمین پیداکردهایم. بلکه کار را به سطحی میرساند که برخی از افراد به آن نگاه کنند.» دانشمندان هنوز باید تلسکوپهای بیشتری را به سمت سیارات نشانه گرفته و به دنبال نشانههای شیمیایی باشند که وجود حیات در آنجا را نشان دهد.
تلاشهای ولی زادگان تنها یک نمونه خیرهکننده از این است که چگونه هوش مصنوعی نمای دقیقتری از کیهان به ما خواهد داد. تنها چند سال پیش بود که دانشمندان از تیمی بینالمللی از صدها محقق به نام تلسکوپ افق رویداد، اولین تصویر از یک سیاهچاله را منتشر کردند. آنها دادههای تلسکوپهای رادیویی در سرتاسر جهان را به هم پیوند زدند. البته تصویر بهدستآمده، به دلیل محدودیتهای تلسکوپها مبهم به نظر میرسد.
لیا مدیروس، اخترفیزیک دان محاسباتی و یکی از اعضای آن تیم، الگوریتمی به نام PRIMO ساخته که الگوها را در دادههای رادیویی یافته و نسخه جدیدی از تصویر را ایجاد میکند. این الگوریتم نمیتواند تصویر را به روشی که یک عکاس ممکن است با استفاده از فتوشاپ به کار بگیرد، واضح کند. بلکه تصاویری کاملاً جدید را کنار هم قرار میدهد، گویی یک کاربر فتوشاپ یک تصویر تازه ساخته است. نتیجه کار، تصویری با وضوح بالاتر نسبت به تصویری است که توسط تلسکوپ افق رویداد تولیدشده است و در آن ویژگیهای سیاهچاله، با دقت بیشتری مشخصشدهاند.
مدیروس معتقد است که میتوان از PRIMO برای ساخت تصاویری از سایر اشیاء مرموز استفاده کرد. دیدن برخی از جالبترین فرآیندهای تشکیل سیاره، حتی با بهترین تلسکوپها، هنوز برایمان امکانپذیر نیست. تلسکوپهای رادیویی بزرگ میتوانند غبار و گاز موجود در دیسکهای پیش سیارهای را که در آن سیارهها شکل میگیرند، ثبت کنند و تلسکوپهای نوری میتوانند جهانهای کاملاً شکلگرفته را ببینند، اما مراحل رشد آنها هنوز مشاهده نشده است. مدیروس براین باور است که سیستمهایی مثل PRIMO میتوانند وضوح حساسترین تلسکوپهای زمین را بهبود بخشیده و این اسرار را در معرض دید قرار دهند.
طبق گفته او، علیرغم همه این پتانسیلها، برخی از دانشمندان هنوز نسبت به یادگیری ماشینی محتاط هستند. او یادآوری کرده که از ابتدا PRIMO را با ذهنی شفاف ساخته ولی با چنین برنامهای نمیتوان به همه سؤالات نجومی پاسخ داد.
ExoMiner بیشتر یک جعبه سیاه است که بر روی شبکههای عصبی موجود ساختهشده و سپس توسط ولی زادگان و همکارانش به اصلاحشده است. اما زمانی که شروع به یافتن سیارات کرد، ستاره شناسان به آن اعتماد کردند.
ولی زادگان که متولد ایران است، علاقه خاصی به آسمان شب دارد و مجموعه رباعیات عمر خیام، شاعر قرن یازدهم درباره ماهیت گذرای زندگی، جایگاه بشر در جهان هستی و حرکت رو به جلو زمان را به خوبی به ذهن سپرده است. او در کودکی با خواندن این ابیات، جایگاهش در جهان هستی را زیر سؤال برد تا شبها بیدار بماند و صبحها به دنبال جواب باشد.
منبع: nationalgeographic
۵۸۳۲۱
نظر شما