هوش مصنوعی را برای کشف سیارات فرا خورشیدی

مقامات ناسا نیز باور دارند که شاید هوش مصنوعی بتواند به جستجوی زندگی روی سیارات بیگانه و شناسایی سیارک‌های نزدیک به دانشمندان کمک کند.

ناسا امیدوار است که بتواند فناوری‌های وابسته به هوش مصنوعی مانند یادگیری ماشینی را برای تحلیل داده‌هایی که با تلسکوپ‌های گوناگون از جمله تلسکوپ فضایی "جیمز وب" (James Webb) و یا ماهواره "تس" (TESS) گردآوری می‌شوند، به کار بگیرد.

شفقی

"گایدا آرنی" (Giada Arney)، اخترزیست‌شناس ناسا در بیانیه‌ای گفت: فناوری‌های مبتنی بر هوش مصنوعی، از اهمیت بالایی برخوردار هستند و به خصوص در بررسی مجموعه‌ داده‌های مرتبط با سیارات فراخورشیدی، اهمیت زیادی دارند. از آنجا که انتظار می‌رود داده‌های حاصل از اکتشافات آینده ما، بسیار پراکنده باشند، درک آنها بسیار دشوار خواهد بود؛ در نتیجه به کار گرفتن چنین فناوری‌هایی می‌تواند کمک قابل توجهی در این زمینه باشد.

ناسا در این پروژه، با شرکت‌هایی از جمله "اینتل" (Intel)، "آی‌بی‌ام" (IBM) و گوگل همکاری می‌کن تا روش‌های پیشرفته‌ای مبتنی بر یادگیری ماشینی ارائه دهد. ناسا در تابستان هر سال، مخترعان حوزه فناوری و فضا را گرد هم می‌آورد تا طی پروژه‌ای موسوم به FDL"" با یکدیگر همکاری کنند.

"شاون دوماگال گلدمن" (Shawn Domagal-Goldman)، اخترزیست‌شناس ناسا طی بیانیه‌ای گفت: پروژه FDL، مانند کنسرتی است که نوازندگان بسیار خوبی با سازهای متفاوت در آن به همکاری بپردازند. ما در این پروژه، یک گروه بسیار خوب را در کنار خود داریم که با یکدیگر همکاری می‌کنند.

دوماگال گلدمن و آرنی در سال 2018، به آموزش گروه FDL پرداختند و توانستند یک روش مبتنی بر یادگیری ماشینی ابداع کنند که از شبکه‌های عصبی شبیه به مغز برای تحلیل تصاویر و شناسایی شیمی سیارات فراخورشیدی استفاده می‌کند و این کار را بر اساس طول موج‌های نور که توسط مولکول‌های موجود در جو آنها منتشر می‌شوند، انجام می‌دهد.

طرشت

پژوهشگران با کمک این شبکه‌های عصبی توانستند مولکول‌های بسیاری را در جو سیارات فراخورشیدی شناسایی کنند و این کار را نسبت به روش‌های متداول، بسیار دقیق‌تر انجام دهند.

اگرچه روش مبتنی بر شبکه‌های عصبی هنوز در دست توسعه است اما پژوهشگران باور دارند که شاید این روش روزی بتواند برای بررسی داده‌های به دست آمده از تلسکوپ‌های فضایی به کار برود.