I det forntida Babylonien gjorde stjärnskådare noggranna observationer av natthimlen och ristade in sina iakttagelser i tavlor för att notera de mest subtila rörelser på himlavalvet.
Deras observationer, tillsammans med andra forntida civilisationer, lade grunden för framstående personer som Johannes Kepler, som använde Tycho Brahes data för att avslöja planeternas elliptiska banor långt innan vi hade verktygen för att observera sådana fenomen med våra egna ögon.
I dag är mänskligheten inte mindre angelägen om att avkoda kosmos invecklade mysterier, och AI har blivit en partner i vår strävan efter svar.
Glaslinser till gigabytes
Teleskopet uppfanns i början av 1600-talet och gav astronomerna ett fönster mot kosmos.
För första gången kunde människans ögon tränga bortom atmosfären.
Förutom att direkt observera himlakroppar med hjälp av teleskop blev mänskligheten skicklig på att beräkna interaktioner mellan banor, vilket så småningom ledde till att den franske astronomen Urbain Le Verrier förutspådde Neptunus existens utifrån Uranus bana innan det bekräftades 1846.
Matematik och astronomi har varit intimt förknippade i tusentals år, och det är dessa beräkningar som AI excellerar i.
När rymdteleskopet Kepler lanserades 2009 inleddes en ny era inom utforskningen av extrasolära planeter. Med uppgift att identifiera exoplaneter - planeter som ligger utanför vårt solsystem - genom att övervaka ljusstyrkan hos mer än 150 000 stjärnor, skickade Kepler en kolossal mängd data tillbaka till jorden.
Även om över 2 600 exoplaneter bekräftades under dess uppdrag, analyserar forskarna fortfarande data idag.
År 2021, över 10 år sedan teleskopet lanserades, meddelade NASA att en AI-modell hade hjälpt forskarna att lägga till 301 nyligen validerade exoplaneter till den totala samlingen på 4 569.
Modellen, ett djupt neuralt nätverk med namnet ExoMinerskulle kunna validera dessa föreslagna exoplaneter på ett robust sätt - en bedrift som annars skulle kräva långvarig manuell analys.
Hamed Valizadegan, projektledare för ExoMiner, säger: "När ExoMiner säger att något är en planet kan man vara säker på att det är en planet. ExoMiner är mycket exakt och på vissa sätt mer tillförlitlig än både befintliga maskinklassificerare och de mänskliga experter som den är tänkt att efterlikna på grund av de fördomar som kommer med mänsklig märkning."
Universellt ursprung
Den västaustraliensiska vildmarken är hem till Murchison Widefield Array (MWA).
Till skillnad från traditionella teleskop är MWA ett radioteleskop som lyssnar på universums tidiga radiovågor.
Genom att fånga upp radiosignaler från rymden ger MWA en glimt av universums tillstånd för nästan 13 miljarder år sedan. Detta är inte utan utmaningar, eftersom dagens radiostörningar hotar att dränka universums urgamla utsagor.
Med hjälp av AI kan forskare filtrera och särskilja mellan radiobrus och universums urtida viskningar, vilket möjliggör mer exakta analyser.
Visualisering av himlakroppar
Den Event Horizon-teleskopet (EHT), som tog den första bilden av ett svart hål, förlitade sig på AI-behandling för att omvandla sina observationer till något tydligt och sammanhängande.
EHT sammanför flera teleskop från hela världen för att skapa ett enda megateleskop.
Med hjälp av de kombinerade krafterna hos flera teleskopuppsättningar kunde EHT observera det supermassiva svarta hålet i mitten av Vintergatan.
För att omvandla dessa observationer till en korrekt bild krävs maskininlärning (ML) för att beräkna den mest sannolika formen utifrån tillgängliga data.
ML-modellen, PRIMOanalyserade egenskaperna hos 30.000 simulerade svarta hål för att generera den vitt spridda bilden nedan.
Det svarta hålet beräknas vara 6,5 miljarder gånger så stort som solen.
AI upptäcker "potentiellt farlig" asteroid
Vi hör mycket om riskerna med AI, men tänk om AI kunde rädda oss från en dödlig asteroid?
Forskare vid det kommande Vera Rubin-observatoriet i norra Chile AI-modell upptäckte nyligen en potentiellt farlig asteroid med hjälp av AI.
Vera Rubin-observatoriet i norra Chile, som fortfarande är under uppbyggnad, kommer att bli den mest kraftfulla digitalkamera som används för astronomisk fotografering,
HelioLinc3D, AI-programmet som ligger bakom upptäckten, utformades för att stödja Vera C. Rubin-observatoriets arbete med att upptäcka asteroider. Modellen användes i en testkörning vid ATLAS-observatoriet på Hawaii.
AI avtäckte en asteroid som var cirka 180 meter bred och fick namnet 2022 SF289.
Detta himlakroppsföremål, som beräknas vara cirka 182 meter brett, förväntas komma så nära jorden som 225.000 kilometer.
Med tanke på att månens genomsnittliga avstånd från jorden är cirka 384 400 km (238 855 miles) är den närmare än vad de råa siffrorna verkar antyda, vilket gör att den betecknas som en potentiellt farlig asteroid (PHA). Var så säker - den förväntas inte träffa oss.
HelioLinc3D är mycket snabbare och effektivare än nuvarande metoder när det gäller att upptäcka potentiellt farliga asteroider.
Traditionellt kräver detta att man tar bilder av specifika himmelsegment flera gånger per natt, medan HelioLinc3D kräver färre observationer och fungerar bra med ljussvaga objekt.
Teleskop fångar ofta upp en stor mängd oanvändbart brus när de observerar svaga objekt, vilket gör det exceptionellt svårt att upptäcka äkta asteroider.
Larry Denneau, ledande ATLAS-astronom, lyfte fram konsekvenserna av denna upptäckt: "Alla undersökningar kommer att ha svårt att upptäcka objekt som 2022 SF289 som ligger nära dess känslighetsgräns, men HelioLinc3D visar att det är möjligt att hitta dessa svaga objekt så länge de är synliga under flera nätter. Detta ger oss i själva verket ett "större, bättre" teleskop."
Mario Jurić, forskare vid Rubin och teamledare för HelioLinc3D, säger: "Det här är bara en liten försmak av vad vi kan förvänta oss av Rubinobservatoriet om mindre än två år, när HelioLinc3D kommer att upptäcka ett objekt som detta varje natt."
Han tillade: "Men mer allmänt är det en förhandsvisning av den kommande eran av dataintensiv astronomi. Från HelioLinc3D till AI-assisterade koder kommer nästa decennium av upptäckter att handla om framsteg inom algoritmer lika mycket som inom nya, stora teleskop."
Bestämning av stjärnors ålder med AI
AI hjälper också forskare att kartlägga universums historia.
En ny modell som utvecklats som en AI-förstärkt version av ett äldre projekt, EAGLES (uppskattning av ålder från litiumekvivalenta bredder)analyserar förekomsten av litium i stjärnor för att uppskatta deras ålder.
Historiskt sett börjar alla stjärnor sitt liv med en liknande andel litium. Men när de åldras utarmas detta litium i olika takt på grund av faktorer som deras massa och tillhörande temperaturer.
En stjärnas temperatur, som är en indikation på dess massa, spelar en avgörande roll för dess litiumförbrukning.
I hetare stjärnor orsakar den ökade konvektionen i de yttre lagren turbulens som skickar litium djupare in i stjärnan där det smälter samman med protoner och bildar två heliumkärnor. Följaktligen sjunker litiumnivåerna över tid.
Genom att observera en stjärnas litiumhalt tillsammans med dess temperatur kan astronomer extrapolera dess ålder.
För att bestämma en stjärnas ålder utifrån dess litium har man traditionellt bedömt litiumets styrka i spektrografiska data och matchat den med etablerade modeller för stjärnornas utveckling.
Denna process var inte bara mödosam utan också begränsad i omfattning. George Weaver vid Keele University i Storbritannien påpekade att detta är "svårt att göra och kräver mycket arbete".
Weaver och astrofysikern Robin Jeffries från University of Keele utvecklade EAGLES-algoritmen för att effektivisera denna process.
Genom att träna EAGLES på ett dataset med 6.000 stjärnor från 52 kluster observerade av Gaia-uppdragetutvecklade de en modell som kunde uppskatta en stjärnas lön med minimalt manuellt arbete.
EAGLES kommer snart att användas för två omfattande undersökningar: WEAVE-undersökningen på William Herschel-teleskopet 2023 och 4MOST-undersökningen på VISTA-teleskopet vid Europeiska sydobservatoriet 2024.
"Det här är två stora spektroskopiska undersökningar som kommer att ta spektra av bokstavligen tiotals miljoner stjärnor", säger Jeffries.
Ett av syftena med undersökningarna är att kartlägga stjärnbildningens historia i olika stjärnpopulationer i galaxen.
Elon Musks xAI
Vi kan inte lämna Elon Musk utanför en existentiell diskussion som omfattar hela kosmos.
I juli presenterade Musk sin senaste månskenshistoria - xAI. Detta ny mystisk AI-startup har för avsikt att undersöka angelägna vetenskapliga begrepp som mörk materia, mörk energi, Fermiparadoxen och existensen av utomjordingar.
Enligt Musk kommer xAI att undersöka "grundläggande frågor" om "verkligheten" och "universum".
Musk och hans team höll en Twitter Spaces-diskussion om xAI, och även om det var spännande klargjorde det inte så mycket om startupens strategi. Från och med augusti 2023 finns det ingen konkret information om vad man avser att göra och hur.
Bra sammanfattning https://t.co/s2QE9zuzp4
- xAI (@xai) 15 juli 2023
Vissa spekulerar i att xAI kommer att bygga vetenskaps- och statistikorienterade AI-modeller för att sätta fart på forskningen. Det kan ta formen av en vetenskapsorienterad AI-"generalagent" som kan utföra praktiskt taget alla ovanstående funktioner.
xAI skulle kunna bidra med sin datorkraft till vetenskapliga forskare, vilket skulle minska vissa flaskhalsar som är förknippade med att använda komplexa modeller i akademiska miljöer.
Å andra sidan kanske xAI bara kulminerar i ytterligare en stor språkmodell (LLM), eller så kanske det inte blir så mycket alls - även om det skulle vara en besvikelse med tanke på kalibern hos startupens grundarteam.
Om xAI levererar en superkraftig AI-modell för forskningsändamål kan detta göra det möjligt för forskare att skapa specialiserade modeller för alla möjliga tillämpningar inom fysik, astronomi, medicin, klimatologi och andra områden.
Trots sina problem ger AI mänskligheten verktyg för att utforska nya områden som man inte trodde var möjliga för bara några år sedan.
Denna teknik, som fortfarande är i sin linda, visar sin potential att identifiera farliga asteroider, exoplaneter och stjärnors ålder, vilket gör att vi kan vidga våra kosmiska vyer och vår kunskap om universum.
Bortsett från alla risker är det en lockande tanke att använda AI för att utforska universums hemligheter.
