I det gamle Babylonia noterte stjernekikkere nitidig nattehimmelen og risset inn observasjonene sine i tavler for å registrere de mest subtile himmelbevegelsene.
Deres observasjoner, sammen med andre eldgamle sivilisasjoner, la grunnlaget for koryféer som Johannes Kepler, som brukte Tycho Brahes data til å avdekke planetenes elliptiske baner lenge før vi hadde verktøyene til å observere slike fenomener med egne øyne.
I dag er menneskeheten ikke mindre ivrig etter å avkode kosmos' forviklinger, og kunstig intelligens har blitt en partner i vår søken etter svar.
Glasslinser til gigabytes
Teleskopet ble oppfunnet på begynnelsen av 1600-tallet og ga astronomene et vindu mot kosmos.
For første gang kunne menneskets øyne se ut over atmosfæren.
I tillegg til å observere himmellegemer direkte gjennom teleskoper, ble menneskeheten dyktig til å beregne samspillet mellom banene, noe som til slutt førte til at den franske astronomen Urbain Le Verrier forutså Neptuns eksistens ut fra Uranus' bane, før det ble bekreftet i 1846.
Matematikk og astronomi har vært nært knyttet sammen i tusenvis av år, og det er disse beregningene kunstig intelligens utmerker seg med.
Da romteleskopet Kepler ble skutt opp i 2009, markerte det en ny æra innen utforskningen av ekstrasolare planeter. Kepler fikk i oppgave å identifisere eksoplaneter - planeter som befinner seg utenfor solsystemet - ved å overvåke lysstyrken til mer enn 150 000 stjerner, og sendte en kolossal mengde data tilbake til jorden.
Selv om over 2600 eksoplaneter ble bekreftet i løpet av oppdraget, er forskerne fortsatt i gang med å analysere dataene.
I 2021, over 10 år etter at teleskopet ble lansert, kunngjorde NASA at en AI-modell hadde hjulpet forskerne med å legge 301 nylig validerte eksoplaneter til den totale samlingen på 4569.
Modellen, et dypt nevralt nettverk ved navn ExoMinerkunne validere disse foreslåtte eksoplanetene på en robust måte - noe som ellers ville ha krevd langvarige manuelle analyser.
Hamed Valizadegan, som leder ExoMiner-prosjektet, sier: "Når ExoMiner sier at noe er en planet, kan du være sikker på at det er en planet. ExoMiner er svært nøyaktig og på noen måter mer pålitelig enn både eksisterende maskinklassifiseringsmaskiner og de menneskelige ekspertene den er ment å etterligne, på grunn av de skjevhetene som følger med menneskelig merking."
Universell opprinnelse
Den vestaustralske ødemarken er hjemsted for Murchison Widefield Array (MWA).
I motsetning til tradisjonelle teleskoper er MWA et radioteleskop som lytter til universets tidlige radiobølger.
Ved å fange opp radiosignaler fra verdensrommet gir MWA et glimt inn i universets tilstand for nesten 13 milliarder år siden. Dette er ikke uten utfordringer, ettersom moderne radiointerferens truer med å overdøve universets eldgamle ytringer.
Ved hjelp av kunstig intelligens kan forskere filtrere og differensiere mellom radiostøy og universets urhvisking, noe som muliggjør mer presise analyser.
Visualisering av himmelobjekter
Den Event Horizon-teleskopet (EHT)-prosjektet, som tok det første bildet av et svart hull, var avhengig av kunstig intelligens for å konvertere observasjonene til noe klart og sammenhengende.
EHT samler flere teleskoper fra hele verden for å skape et megateleskop.
Ved hjelp av de kombinerte kreftene til flere teleskopoppsett kunne EHT observere det supermassive svarte hullet i Melkeveiens sentrum.
For å gjengi disse observasjonene i et nøyaktig bilde kreves det maskinlæring (ML) for å beregne den mest sannsynlige formen ut fra de tilgjengelige dataene.
ML-modellen, PRIMOanalyserte egenskapene til 30 000 simulerte svarte hull for å generere det mye omtalte bildet nedenfor.
Det svarte hullet er anslagsvis 6,5 milliarder ganger så stort som solen.
AI avdekker "potensielt farlig" asteroide
Vi hører mye om risikoen ved kunstig intelligens, men hva om den reddet oss fra en dødelig asteroide?
Forskere ved det kommende Vera Rubin-observatoriet i Nord-Chile har nylig oppdaget en potensielt farlig asteroide ved hjelp av AI-modellen.
Vera Rubin-observatoriet i Nord-Chile, som fortsatt er under bygging, skal bli det kraftigste digitale kameraet som brukes til astronomisk fotografering,
HelioLinc3DAI-programmet som er ansvarlig for denne oppdagelsen, ble utviklet for å støtte Vera C. Rubin-observatoriets arbeid med å oppdage asteroider. Modellen ble tatt i bruk i en testkjøring ved ATLAS-observatoriet på Hawaii.
AI avduket en asteroide som var omtrent 180 meter bred, og som fikk navnet 2022 SF289.
Dette himmellegemet, som er beregnet til å være rundt 182 meter bredt, forventes å komme så nær som 225 000 kilometer fra jorden.
Når man tar i betraktning at månens gjennomsnittsavstand fra jorden er rundt 384 400 km, er den nærmere enn de rå tallene synes å antyde, noe som gjør den til en potensielt farlig asteroide (PHA). Men vær trygg - den forventes ikke å treffe oss.
HelioLinc3D er mye raskere og mer effektiv til å oppdage potensielt farlige asteroider enn dagens metoder.
Tradisjonelt krever dette at man tar bilder av bestemte himmelsegmenter flere ganger per natt, mens HelioLinc3D krever færre observasjoner og fungerer godt med lyssvake objekter.
Teleskoper fanger ofte opp en stor mengde unyttig støy når de observerer svake objekter, noe som gjør det svært utfordrende å oppdage ekte asteroider.
Larry Denneau, ledende ATLAS-astronom, fremhevet implikasjoner av denne oppdagelsen: "Enhver undersøkelse vil ha problemer med å oppdage objekter som 2022 SF289 som ligger nær følsomhetsgrensen, men HelioLinc3D viser at det er mulig å gjenfinne disse svake objektene så lenge de er synlige over flere netter. Dette gir oss i realiteten et "større og bedre" teleskop."
"Dette er bare en liten forsmak på hva vi kan forvente oss fra Rubin-observatoriet om mindre enn to år, når HelioLinc3D vil oppdage et objekt som dette hver natt", sier Mario Jurić, forsker ved Rubin-observatoriet og leder av HelioLinc3D-teamet.
Han la til: "Men mer generelt er det en forsmak på den kommende epoken med dataintensiv astronomi. Fra HelioLinc3D til AI-assisterte koder - det neste tiåret med oppdagelser vil handle like mye om utviklingen av algoritmer som om nye, store teleskoper."
Aldersbestemmelse av stjerner med kunstig intelligens
Kunstig intelligens hjelper også forskere med å kartlegge universets historie.
En ny modell som er utviklet som en AI-forbedret versjon av et eldre prosjekt, EAGLES (Estimering av alder ut fra litiumekvivalente bredder)analyserer forekomsten av litium i stjerner for å anslå alderen deres.
Historisk sett begynner alle stjerner sitt liv med en lignende andel litium. Men etter hvert som de eldes, tømmes litiumet i varierende tempo, avhengig av faktorer som masse og temperatur.
Temperaturen til en stjerne, som er en indikasjon på dens masse, spiller en avgjørende rolle for dens litiumforbruk.
I varmere stjerner fører økt konveksjon i de ytre lagene til turbulens, noe som sender litium dypere inn i stjernen, der det smelter sammen med protoner og danner to heliumkjerner. Følgelig synker litiumnivået over tid.
Ved å observere en stjernes litiumforekomst sammen med dens temperatur, kan astronomene ekstrapolere dens alder.
Tradisjonelt sett har man bestemt en stjernes alder ut fra litiumet ved å vurdere litiumets styrke i spektrografiske data og matche det med etablerte modeller for stjerneutvikling.
Denne prosessen var ikke bare krevende, men også begrenset i omfang. George Weaver fra Keele University i Storbritannia bemerket at dette er "vanskelig å gjennomføre og krever mye arbeid".
Weaver og astrofysiker Robin Jeffries fra University of Keele utviklet EAGLES-algoritmen for å effektivisere denne prosessen.
Ved å trene EAGLES på et datasett med 6000 stjerner fra 52 stjernehoper observert av Gaia-oppdragetutviklet de en modell som kunne estimere lønnen til en stjerne med minimalt manuelt arbeid.
EAGLES skal snart brukes til to omfattende undersøkelser: WEAVE-undersøkelsen på William Herschel-teleskopet i 2023 og 4MOST-undersøkelsen på VISTA-teleskopet ved Det europeiske sørobservatoriet i 2024.
"Dette er to store spektroskopiske undersøkelser som vil ... ta spektre av bokstavelig talt titalls millioner av stjerner", sier Jeffries.
Et av målene med undersøkelsene er å kartlegge stjernedannelseshistorien på tvers av ulike stjernepopulasjoner i galaksen.
Elon Musks xAI
Vi kan ikke utelate Elon Musk fra en eksistensiell diskusjon som omfatter hele kosmos.
I juli avduket Musk sitt siste måneskudd - xAI. Dette ny mystisk AI-oppstart har til hensikt å undersøke presserende vitenskapelige begreper som mørk materie, mørk energi, Fermi-paradokset og eksistensen av romvesener.
Med Musks ord vil xAI undersøke "fundamentale spørsmål" om "virkeligheten" og "universet".
Musk og teamet hans holdt en Twitter Spaces-diskusjon om xAI, og selv om det var spennende, avklarte det ikke veldig mye om oppstartsbedriftens strategi. Per august 2023 foreligger det ingen konkret informasjon om hva de har tenkt å gjøre og hvordan.
Flott oppsummering https://t.co/s2QE9zuzp4
- xAI (@xai) 15. juli 2023
Noen spekulerer i at xAI vil bygge vitenskaps- og statistikkorienterte AI-modeller for å sette turbo på forskningen. Det kan ta form av en vitenskapsorientert AI-"generalagent" som kan utføre praktisk talt alle de ovennevnte funksjonene.
xAI kan bidra med datakraft til vitenskapelige forskere, noe som kan avhjelpe noen av flaskehalsene som er forbundet med å ta i bruk komplekse modeller i akademiske miljøer.
På den annen side kan xAI bare kulminere i enda en stor språkmodell (LLM), eller kanskje blir det ikke så mye av det i det hele tatt - selv om det ville være skuffende med tanke på kaliberet til gründerteamet.
Hvis xAI leverer en superkraftig AI-modell for forskningsformål, kan dette gjøre det mulig for forskere å lage spesialiserte modeller for alle slags bruksområder innen fysikk, astronomi, medisin, klimatologi og andre felt.
Til tross for problemene gir kunstig intelligens menneskeheten verktøyene den trenger for å utforske nye områder som man ikke trodde var mulig for bare noen få år siden.
Denne teknologien, som fortsatt er i sin spede begynnelse, har potensial til å identifisere farlige asteroider, eksoplaneter og stjernenes alder, slik at vi kan utvide vår kosmiske horisont og få mer kunnskap om universet.
Bortsett fra alle risikoer er det fristende å bruke kunstig intelligens til å utforske universets hemmeligheter.
