En essayant de comprendre l'univers, nous devenons obsédés - nous sommes attirés par la soif d'observation. Les satellites transmettent des centaines de téraoctets d'informations de données chaque année, et un seul télescope au Chili produira 15 téraoctets d'images spatiales chaque nuit. Aucun humain ne peut les manipuler manuellement. Comme le dit l'astronome Carlo Enrico Petrillo, «Regarder des images de galaxies est la partie la plus romantique de notre travail. Le problème est de savoir comment rester concentré. Par conséquent, Petrillo développe une IA qui l'aidera.
Petrillo et ses collègues recherchaient un phénomène qui est essentiellement un télescope spatial. Lorsqu'un objet massif (une galaxie ou un trou noir) est pris entre une source de lumière distante et un observateur sur Terre, il plie l'espace et la lumière autour de lui, créant une lentille qui permet aux astronomes de regarder de plus près des parties incroyablement anciennes et éloignées de l'univers cachées à notre vue. Cet effet est appelé lentille gravitationnelle, et ces lentilles sont la clé pour comprendre de quoi est fait l'univers. Jusqu'à présent, les trouver était lent et fastidieux.
C'est là que l'intelligence artificielle est nécessaire - et la recherche de lentilles gravitationnelles est le tout début. Comme l'a dit le professeur Andrew Ng de Stanford, la capacité de l'IA à automatiser tout ce qu'une «personne typique peut faire en moins d'une seconde de réflexion». Moins d'une seconde peut ne pas sembler beaucoup, mais quand il s'agit de passer au crible de grandes quantités de données, c'est une aubaine.
La nouvelle vague d'astronomes regarde l'IA pour plus qu'un simple trieur de données. Ils explorent quelque chose qui pourrait être une toute nouvelle façon de rechercher des découvertes scientifiques, où l'intelligence artificielle affichera des parties de l'univers que nous n'avons jamais vues.
Mais d'abord: les lentilles gravitationnelles. La théorie générale de la relativité d'Einstein a prédit ce phénomène dès les années 1930, mais les premiers exemples ne sont apparus qu'en 1979. Pourquoi? Parce que l'espace est très, très grand et que les gens ont mis beaucoup de temps à l'observer, surtout sans télescopes modernes. La chasse aux lentilles gravitationnelles était difficile.
«Les lentilles que nous avons maintenant ont été trouvées de différentes manières», explique Lilia Williams, professeur d'astrophysique à l'Université du Minnesota. «Certains ont été découverts par accident, les gens cherchaient quelque chose de complètement différent. Certains ont été trouvés par des personnes qui les recherchaient, la deuxième ou la troisième fois."
Vidéo promotionelle:
L'IA est très bonne pour regarder des images. Petrillo et ses collègues se sont donc tournés vers un outil d'IA bien-aimé dans la Silicon Valley: un type de programme informatique composé de "neurones" numériques modélisés d'après de vrais qui se déclenchent en réponse à une entrée. Nourrissez ces programmes (réseaux de neurones) beaucoup de données et ils apprendront à reconnaître des modèles et des modèles. Ils fonctionnent particulièrement bien avec les informations visuelles et sont utilisés dans une variété de systèmes de vision industrielle - des caméras dans les voitures autonomes à la reconnaissance faciale en images sur Facebook.
Comme il a été écrit dans un article publié le mois dernier, l'application de cette technologie à la chasse aux lentilles gravitationnelles était étonnamment simple. Tout d'abord, les scientifiques ont créé un ensemble de données pour entraîner le réseau neuronal - ils ont généré 6 millions de fausses images avec et sans lentilles gravitationnelles. Ensuite, nous avons transmis nos données au réseau neuronal et l'avons laissé pour déterminer les modèles. Un petit ajustement et le résultat est un programme qui reconnaît les lentilles gravitationnelles en un clin d'œil.
«Un excellent classificateur dans le visage humain analyse les images à une vitesse de mille par heure», explique Petrillo. Une lentille est trouvée environ une fois toutes les 30 000 galaxies. Par conséquent, le classificateur devra travailler sans sommeil et se reposer pendant une semaine pour trouver seulement cinq à six lentilles. Un réseau de neurones, en comparaison, analyse 21 789 images en seulement 20 minutes. Et c'est avec un ancien processeur.
Le réseau neuronal n'était pas aussi précis que l'ordinateur. Pour ne pas négliger l'objectif, on lui a donné des paramètres généraux. Elle a proposé 761 candidats possibles, que les gens ont étudiés et réduits à 56. Confirmant que ce sont de vrais objectifs devront être vérifiés et confirmés, mais Petrillo pense qu'un troisième se révélera réel. Cela représente environ une lentille par minute, contre une centaine de lentilles découvertes par l'ensemble de la communauté scientifique au cours des dernières décennies. La vitesse est incroyable, les perspectives sont énormes.
Trouver ces lentilles est essentiel pour comprendre l'un des grands mystères de l'astronomie: de quoi est fait l'univers? La matière que nous connaissons (planètes, étoiles, astéroïdes, etc.) ne représente que 5% de toute la matière physique, et 95% supplémentaires nous sont totalement inaccessibles. Ces 95% sont représentés par de la matière hypothétique - la matière noire, que nous n'avons jamais observée directement. Nous devons juste étudier l'influence gravitationnelle qu'elle a sur le reste de l'univers, et les lentilles gravitationnelles sont l'un des indicateurs les plus importants.
Que peut faire l'IA d'autre? Les scientifiques travaillent sur un certain nombre de nouveaux outils. Certains, comme Petrillo, se chargent de l'identification: ils classent les galaxies, par exemple. D'autres parcourent les flux de données à la recherche de signaux intéressants. Certains réseaux de neurones suppriment les interférences artificielles pour un radiotélescope en isolant uniquement les signaux utiles. D'autres ont été utilisés pour identifier des pulsars, des exoplanètes inhabituelles ou pour améliorer des télescopes à basse résolution. Bref, les utilisations potentielles sont nombreuses.
Cette explosion est en partie due aux tendances générales du matériel qui élargissent le domaine de l'IA, telles que la disponibilité d'une puissance de calcul bon marché. Les astronomes n'ont plus besoin d'asseoir leur pantalon les nuits sans nuages, observant le mouvement des planètes individuelles; au lieu de cela, ils utilisent une technique sophistiquée qui scanne le ciel un par un. Les télescopes améliorés et les technologies de stockage de données améliorées signifient qu'il y a encore plus de place pour l'analyse, dit Williams.
L'analyse de grands ensembles de données est ce pour quoi l'intelligence artificielle est excellente. Nous pouvons lui apprendre à reconnaître les modèles et le faire travailler sans relâche, et il ne clignera jamais des yeux et ne fera jamais d'erreur.
Les astronomes craignent-ils de faire confiance à une machine qui peut manquer de compréhension humaine pour détecter quelque chose de sensationnel? Petrillo dit non. "En général, les humains sont plus biaisés, moins efficaces et plus sujets aux erreurs que les machines." Williams est d'accord. «Les ordinateurs peuvent manquer certaines choses, mais ils les manqueront systématiquement». Mais tant que nous savons ce qu’ils ne savent pas, nous pouvons déployer des systèmes automatisés sans trop de risques.
Pour certains astronomes, le potentiel de l'IA va au-delà du simple tri des données. Ils pensent que l'intelligence artificielle peut être utilisée pour créer des informations qui remplissent les angles morts de nos observations de l'univers.
L'astronome Kevin Schawinski et son équipe d'astrophysique des galaxies et des trous noirs utilisent l'IA pour améliorer la résolution des images floues des télescopes. Pour cela, ils ont déployé un réseau de neurones qui génère des variations inégalées dans les données étudiées, comme si un bon faussaire imitait le style d'un artiste célèbre. Ces mêmes réseaux ont été utilisés pour créer de fausses images d'images d'étoiles; faux dialogues audio simulant de vraies voix; et d'autres types de données. Selon Shavinsky, ces réseaux de neurones créent des informations qui nous étaient auparavant inaccessibles.
Dans un article publié par Shavinsky et son équipe plus tôt cette année, ils ont montré que ces réseaux peuvent améliorer la qualité des images spatiales. Ils ont abaissé la qualité des images d'un certain nombre de galaxies, ajouté du bruit et du flou, puis les ont passées à travers des réseaux de neurones avec les images originales. Le résultat était incroyable. Mais les scientifiques ne peuvent pas encore le partager.
Shawinski se méfie du projet. Après tout, cela va à l'encontre des principes de base de la science: vous ne pouvez connaître l'univers qu'en l'observant directement. «Pour cette raison, cet outil est dangereux», dit-il. Et il ne peut être utilisé que lorsque nous avons des données précises et que nous pouvons vérifier le résultat. Vous pouvez entraîner un réseau de neurones pour générer des données sur les trous noirs et les envoyer travailler dans une certaine zone du ciel qui a été mal explorée jusqu'à présent. Et si elle trouve un trou noir, les astronomes devront confirmer la découverte de leurs propres mains - comme c'est le cas avec les lentilles gravitationnelles.
Si ces méthodes s'avèrent fructueuses, elles peuvent devenir des méthodes de recherche entièrement nouvelles, complétant les simulations informatiques classiques et la bonne vieille observation. Jusqu'à présent, tout ne fait que commencer, mais les perspectives sont très prometteuses. "Si vous aviez cet outil, vous pourriez prendre toutes les données des archives, en améliorer certaines et en extraire plus de valeur scientifique." Une valeur qui n'existait pas auparavant. L'IA deviendra un alchimiste scientifique qui nous aidera à transformer d'anciennes connaissances en nouvelles connaissances. Et nous pourrions explorer l'espace comme jamais auparavant sans même quitter la Terre.
Ilya Khel
