Одна из самых больших проблем в астрономии также является и наиболее очевидной: космическое пространство велико, и на его изучение уходит много времени. Вот почему искусственный интеллект стал благом для науки. Оказывается, одни и те же инструменты машинного зрения, разработанные для таких задач, как управление автономными транспортными средствами, идеально подходят для классификации огромных объемов астрономических данных. Так, астрономы использовали ИИ, чтобы найти 6000 новых кратеров на Луне, пишет The Verge.

На Луне находятся сотни тысяч кратеров, которые появились вследствие столкновений с астероидами и метеоритами. Это связано с несколькими факторами. Во-первых, поскольку у Луны нет атмосферы, у астероидов и метеоритов свободный путь к поверхности (в отличие от Земли, где трение воздуха замедляет и уменьшает их по размеру). Во-вторых, из-за того, что на Луне нет погоды, эти кратеры не сглаживаются эрозией.

Однако использование искусственного интеллекта для поиска кратеров имеет решающее значение, так как это еще один способ машинного обучения, который может автоматизировать трудоемкую задачу. Чем меньше времени астрономам приходится тратить на фотографии Луны, маркируя кратеры вручную, тем больше они могут сосредоточиться на других, более сложных исследованиях.

Инструментом этого исследования стала сверточная нейронная сеть (CNN) – метод для классификации визуальных данных. По словам ученых, они обучили свою сеть, используя уже имеющуюся информацию о кратерах. Как только программа получила данные, она исследовала треть общей поверхности Луны, где было найдено 6 000 кратеров.

"После обучения наша сверточная нейронная сеть значительно увеличила скорость идентификации кратеров. На генерирование предположений о тысячах лунных цифровых моделей местности уходят буквально минуты. При этом ученый может заниматься другими задачами, поскольку процесс автономный", — сообщают исследователи.

Так, искусственный интеллект позволяет ускорить основные астрономические исследования. На сегодняшний день аналогичные методы были использованы для определения гравитационных линз, обнаружения новых экзопланет и пульсаров, а также классификации галактик.