دانشمند ایرانی ناسا با هوش مصنوعی آدم فضایی پیدا می‌کند

اگرچه این موضوع مانند یافتن سوزن در انبار کاه است، اما دانشمند ایرانی ناسا معتقد است با استفاده از هوش مصنوعی می توان سرعت یافتن حیات بیگانه را در میان میلیاردها سیاره افزایش داد.

به گزارش وبسایت خبرآنلاین، حامد و لیزادگان یکی از دانشمندانی هستند که در حوزه یادگیری ماشینی در ناسا فعالیت می کنند. او قبلاً الگوریتمی را برای بررسی تصاویر رگ‌های خونی در شبکیه فضانوردان آموزش داده بود، بنابراین تلاش‌ها برای درک تغییرات نوری در ریزگرانش را بهبود بخشید. او که از کودکی مجذوب آسمان شب شده بود، اکنون از این علاقه به مطالعه ستارگان استفاده می کرد.

اما زادگان گفت: می توانم ساعت ها آسمان را تماشا کنم و به معنای زندگی فکر کنم و اینکه آیا در این دنیای پهناور تنها هستیم یا نه. تا همین اواخر، همکارانش تمایلی به استفاده از هوش مصنوعی به عنوان ابزاری برای کاوش در جهان نداشتند. این ممکن است به این دلیل باشد که الگوریتم های پیشرفته معمولاً عملکرد خود را نشان نمی دهند.

از آنجایی که سیستم‌های هوش مصنوعی پیشرفته از مغز الهام می‌گیرند، نورون‌های مصنوعی محاسبات را انجام می‌دهند و اطلاعات را به سایر گره‌های شبکه منتقل می‌کنند. سیستم های حاصل محاسبات را به قدری متراکم انجام می دهند که نمی توان فهمید چگونه به نتیجه نهایی رسیده اند. ولی زادگان معتقد است که همین مشکل برای دانشمندانی که استانداردهای تاریخی مدل سازی و شبیه سازی بسیار دقیق را پذیرفته بودند قابل قبول نبود.

اما نجوم مدرن در مسیر شگفت انگیزی قرار داشت. تلسکوپ‌های موجود در فضا و زمین اطلاعات زیادی را جمع‌آوری می‌کنند که انسان نمی‌تواند به سرعت آن‌ها را رمزگشایی کند و رصدخانه‌های آینده رصدهای بیشتری را انجام خواهند داد. به عنوان مثال، پیشنهاد ساخت رصدخانه ورا. سی. روبین در شیلی اولین بار در سال 2001 پیشنهاد شد و از سال 2025 قرار است این رصدخانه هر سه شب یکبار با بزرگترین دوربین جهان با وضوح 3200 مگاپیکسل از کل آسمان عکس بگیرد و هر سال انتظار می رود که یک میلیون قطعه اطلاعات ابرنواخترها و همچنین ثبت ده ها هزار سیارک و دیگر اجرام آسمانی. این اطلاعاتی است که دانشمندان به تنهایی نمی توانند آن را مطالعه کنند.

در سال 2014، ولی زادگان از اخترشناس جان جنکینز دعوت کرد تا سیاره ای شبیه به زمین را در کهکشان ما جستجو کند. این پروژه رویایی بود که ولی زادگان به آن امید زیادی داشت.

از آنجایی که زندگی در سیارات دیگر ممکن است به شکلی متفاوت از سیارات ما وجود داشته باشد، دانشمندان به دنبال یافتن چیزهای آشنا هستند: دنیایی سنگی با جوی پایدار و آب مایعی که به دور یک ستاره می چرخد. اما کشف چنین سیاره ای به معنای واقعی کلمه مشکل بزرگی است. بر اساس برآوردها، تعداد سیارات در کهکشان راه شیری حدود صدها میلیارد است و تنها بخش کوچکی اما ناشناخته از آنها شبیه زمین است.

طبیعتاً انسان ها در شروع این تحقیق روند نسبتاً کندی دارند. در سال 1995، ستاره شناسان اولین سیاره ای را کشف کردند که به دور ستاره ای غیر از خورشید می چرخد. در طول دهه 2000، تلاش ها با تلسکوپ فضایی کپلر شتاب گرفت. تلسکوپ گهگاه برای اسکن ستاره می چرخد. جانشین این تلسکوپ، ماهواره بررسی سیاره فراخورشیدی عبوری، در سال 2018 برای رصد بخش وسیع تری از آسمان و تمرکز بر روی حدود 200000 ستاره نزدیک به زمین پرتاب شد.

حتی با وجود این رصدخانه های فضایی، تشخیص سیاره ای که به دور ستاره دیگری می چرخد ​​دشوار و وقت گیر است. این تلسکوپ ها نمی توانند خود سیاره را ببینند، همانطور که هر تلسکوپ معمولی نمی تواند مشتری یا زحل را ببیند. در عوض، وجود آن را به طور غیرمستقیم تأیید می کند، که شامل اندازه گیری پالس های تقریبا نامحسوس در روشنایی ستاره است که می تواند حضور یک سیاره در حال گذر را نشان دهد.

ستاره شناسان تغییرات نور ستارگان را که به منحنی های نور معروف هستند، مطالعه می کنند تا سیاره های بالقوه را شناسایی کنند. در مرحله بعد، تلسکوپ های زمینی چگونگی تکان خوردن ستاره تحت تأثیر گرانش سیاره خود را برای اثبات وجود خود اندازه گیری می کنند. هنگامی که یک سیاره پیدا می شود، درک شکل آن پیچیده تر می شود. اما ستاره شناسان می توانند بر اساس اندازه ستارگان و فاصله آنها از ستارگان فرضیاتی داشته باشند.

به لطف این تلاش ها، اخترشناسان اکنون حداقل 5600 سیاره را می شناسند که به دور ستاره های دوردست در کهکشان راه شیری می چرخند. برخی از سیارات گازی بزرگتر از مشتری و زحل و برخی کوچکتر از مریخ هستند. بیشتر سیارات از گاز، سنگ یا هر دو ساخته شده اند و اغلب به اندازه زمین و نپتون هستند.

البته هیچ کدام مثل خانه ما نیستند. زیرا شرایط یا مواد شیمیایی لازم برای زندگی به معنای آن چیزی نیست که ما می دانیم. با این حال، با نگاهی عمیق تر، هوش مصنوعی می تواند چیز متفاوتی را آشکار کند.

در سال 2018، ولیزادجان و تیمش برنامه یادگیری ماشینی را با هدف تسریع تلاش‌های شکار سیارات فراخورشیدی توسعه دادند. آنها نرم افزاری به نام ExoMiner را در مورد رویدادهای تایید شده سیاره و همچنین موارد مثبت کاذب، مانند ستاره های دوتایی که ممکن است با سیارات در حال عبور اشتباه گرفته شوند، آموزش دادند و آن را در آرشیو مشاهدات تلسکوپ کپلر آزمایش کردند.

ولی زادگان گفت که این مدل به سرعت 370 سیاره فراخورشیدی ناشناخته را شناسایی کرد. وی ادامه داد: در ابتدا با مقاومت زیادی از سوی دانشمندان مواجه شدیم که فکر می کردند این سیارات فراخورشیدی نباید طبقه بندی شوند، اما به مرور زمان اعتماد به نفس آنها بیشتر شد.

هیچ یک از این 370 سیاره جدید شبیه زمین یا سایر سیاره های منظومه شمسی ما نیستند. دنیای جدید که Kepler-495 c نام دارد تقریباً دو برابر زمین است و هر شش روز یک بار با سرعتی شگفت انگیز به دور ستاره خود می چرخد. سیاره دیگری به نام Kepler-27 d تقریباً به اندازه نپتون یا تقریباً هشت برابر زمین است و سال را در شش روز و نیم کامل می کند. این احتمال وجود دارد که این سیارات که در اثر گرما و تشعشعات ستاره هایشان قرمز شده اند، غیرقابل سکونت باشند.

اما زادگان معتقد است که ExoMiner اولین قدم در استفاده از هوش مصنوعی برای حل این مشکل است، مانند یافتن سوزن در انبار کاه. نسل جدیدی از تلسکوپ های شکار سیاره در دهه آینده به فضا پرتاب خواهد شد و مقادیر عظیمی از نور ستاره ها را به زمین باز می گرداند. ردیاب‌های سیاره‌ای مبتنی بر هوش مصنوعی آینده نیز در حال توسعه هستند که بر اساس موفقیت ExoMiner است. اکنون محققان بر این باورند که هوش مصنوعی نه تنها می‌تواند در جستجوی کشف جهان‌های جدید مفید باشد، بلکه می‌تواند برای اینکه کدام سیارات بیشتر میزبان حیات هستند، مفید باشد.

در سال 2020، لیزا کالتینگر، اخترفیزیکدان فراسیاره‌ای و مدیر مؤسسه کارل ساگان در دانشگاه کرنل، و همکارش دونگ فام، ایده آموزش سیستم‌های یادگیری ماشینی برای شناسایی منابع حیات‌بخش مانند آب را مطرح کردند. این کاری است که ExoMiner نمی تواند انجام دهد. کالتینگر گفت: “اگر یخ یا ابر پیدا کردید، می توانید وجود آب را استنباط کنید.”

کالتنگر و فام از اندازه گیری جو زمین برای شبیه سازی سیارات فراخورشیدی با سطوح سنگی، آبکی، ابر و یخی استفاده کردند. آنها همچنین الگوریتمی را برای جستجوی نشانه ای از حیات به نام لبه قرمز (طول موج های نوری که گیاهان به فضا بازتاب می کنند) آموزش دادند.

آنها دریافتند که برنامه آنها می تواند زندگی را در یک جو شبیه سازی شده در حدود سه چهارم زمان تشخیص دهد. کالتینگر گفت: «فکر می‌کردم انجام این کار بسیار دشوار باشد، اما الگوریتم‌های یادگیری ماشینی در یافتن الگوها در داده‌ها بسیار مؤثر هستند. در عین حال، برخی از معایب وجود دارد. به عنوان مثال، این الگوریتم ها نمی توانند اطمینان مطلق را ارائه دهند، اما در عوض، می توانند تخمین بزنند که درصدی از سطح سیاره را حیات پوشانده است. کالتینگر فکر کرد که این یک راهنمای بسیار مفید خواهد بود.

او توضیح داد: «اینطور نیست که هوش مصنوعی بگوید ما سیاره ای شبیه به زمین پیدا کردیم. حتی کار را تا حدی بالا می‌برد که برخی از مردم به آن نگاه کنند.

تلاش‌های ولی‌زادگان تنها یک نمونه شگفت‌انگیز از این است که چگونه هوش مصنوعی می‌تواند دید دقیق‌تری از کیهان به ما بدهد. همین چند سال پیش، دانشمندان یک تیم بین المللی متشکل از صدها محقق به نام تلسکوپ افق رویداد اولین تصویر از یک سیاهچاله را منتشر کردند. آنها داده های تلسکوپ های رادیویی را در سراسر جهان به هم مرتبط کردند. طبیعتاً به دلیل محدودیت های تلسکوپ ها، تصویر به دست آمده تار به نظر می رسد.

Lea Medeiros، اخترفیزیکدان محاسباتی و عضو این تیم، الگوریتمی به نام PRIMO ایجاد کرده است که الگوها را در داده های رادیویی پیدا کرده و نسخه جدیدی از تصویر را ایجاد می کند. این الگوریتم نمی تواند تصویر را به همان صورتی که یک عکاس ممکن است از فتوشاپ استفاده کند، واضح کند. در عوض، تصاویر کاملاً جدیدی را جمع آوری می کند، گویی کاربر فتوشاپ یک تصویر جدید ایجاد کرده است. نتیجه تصویری با وضوح بالاتر از تصویری است که توسط تلسکوپ افق رویداد تولید شده است، که در آن ویژگی‌های سیاه‌چاله با دقت بیشتری مشخص می‌شود.

مدیروس معتقد است که از پریمو می توان برای ایجاد تصاویری از اشیاء مرموز دیگر استفاده کرد. برخی از جالب‌ترین فرآیندهای شکل‌گیری سیاره‌ها، حتی با بهترین تلسکوپ‌ها، هنوز برای ما غیرقابل دسترس هستند. تلسکوپ‌های رادیویی بزرگ می‌توانند غبار و گاز را در دیسک‌های پیش سیاره‌ای که در آن سیارات تشکیل می‌شوند، ثبت کنند و تلسکوپ‌های نوری می‌توانند جهان‌های کاملاً شکل‌گرفته را ببینند، اما مراحل رشد آنها هنوز مشاهده نشده است. Medeiros معتقد است که سیستم هایی مانند PRIMO می توانند وضوح حساس ترین تلسکوپ های روی زمین را بهبود بخشند و این اسرار را فاش کنند.

به گفته وی، با وجود این همه پتانسیل، برخی از دانشمندان همچنان نسبت به یادگیری ماشینی محتاط هستند. وی اظهار داشت که برنامه پریمو را از ابتدا با ذهنی روشن ساخته است اما با چنین برنامه ای نمی توان به همه سوالات نجومی پاسخ داد.

ExoMiner بیشتر یک جعبه سیاه است که بر روی شبکه های عصبی موجود ساخته شده و سپس توسط ولی زادگان و همکارانش اصلاح شده است. اما هنگامی که او شروع به یافتن سیارات کرد، ستاره شناسان به او اعتماد کردند.

اما زادگان که در ایران به دنیا آمده، علاقه خاصی به آسمان شب دارد و مجموعه رباعیات عمر خیام شاعر قرن یازدهم درباره زودگذر بودن زندگی، جایگاه انسان در کیهان و حرکت رو به جلو. زمان به خوبی در نظر گرفته شده است. در کودکی این آیات را می خواند و از جایگاه خود در عالم متعجب می شد تا شب بیدار بماند و صبح به دنبال پاسخ باشد.