Deze AI zou 10 jaar wetenschappelijke prioriteiten kunnen voorspellen - als we het toestaan

mevrouw Tech

Elke 10 jaar, Amerikaanse astronomen moeten een aantal moeilijke beslissingen nemen. Geschetst in een plan genaamd de Decenniale enquête over astronomie en astrofysica , een reeks studies geproduceerd door de National Academies of Sciences, Engineering and Medicine, bepalen deze beslissingen de wetenschappelijke prioriteiten van het volgende decennium voor het vakgebied.

De Decadal Survey heeft de weg geëffend voor grote sprongen in de verkenning van de ruimte sinds het begin van de jaren zestig. Het zevende rapport, Astro2020 genaamd, wordt eind deze maand verwacht. Wetenschappelijke gemeenschappen, financieringsinstellingen en zelfs het Congres verwijzen naar deze rapporten om beslissingen te nemen over waar tijd en geld in te investeren.

Eerdere rapporten hebben grote projecten aangekondigd, waaronder de bouw en lancering van grote ruimtetelescopen en de studie van extreme fenomenen zoals supernova's en zwarte gaten. Het laatste rapport, genaamd Astro2010 , dook zelfs in de aard van donkere energie.

Omdat de Decadal Survey een consensusonderzoek is, moeten onderzoekers die willen dat hun project in aanmerking komt, hun voorstel meer dan een jaar van tevoren indienen. Alle voorstellen worden overwogen en ze zijn allemaal (dit keer met meer dan 500) beschikbaar voor de openbaar .

Dit jaar variëren de onderwerpen die worden besproken van het verkennen van de manen van Jupiter tot het smeden van planetaire verdedigingsstrategieën tegen gebeurtenissen die eens in de 1000 jaar plaatsvinden, zoals de vlucht van een grote asteroïde genaamd Apophis. Ondertussen willen sommige onderzoekers onze eigen lichtblauwe stip .

Verwant verhaal

Inspiration4: Waarom de eerste volledig privémissie van SpaceX een groot probleem is

Is het eindelijk tijd om voorzichtig optimistisch te zijn over de toekomst van bemande ruimtevaart?

De onderzoekscommissie, die input krijgt van een groot aantal kleinere panels, houdt rekening met een gigantische hoeveelheid informatie om onderzoeksstrategieën te creëren. Hoewel de Academies de definitieve aanbeveling van de commissie nog een paar weken niet aan NASA zullen vrijgeven, willen wetenschappers graag weten welke van hun vragen het zullen halen en welke zullen worden weggelaten.

De Decadal Survey helpt NASA echt om te beslissen hoe ze de toekomst van menselijke ontdekking in de ruimte gaan leiden, dus het is erg belangrijk dat ze goed geïnformeerd zijn, zegt Brant Robertson , een professor in astronomie en astrofysica aan de UC Santa Cruz.

Een team van onderzoekers wil kunstmatige intelligentie gebruiken om dit proces gemakkelijker te maken. Hun voorstel is niet voor een specifieke missie of vraagstelling; in plaats daarvan zeggen ze dat hun AI wetenschappers kan helpen bij het nemen van moeilijke beslissingen over welke andere voorstellen prioriteit moeten krijgen.

Het idee is dat door een AI te trainen om onderzoeksgebieden te spotten die snel groeien of afnemen, de tool het voor enquêtecommissies en panels gemakkelijker kan maken om te beslissen wat op de lijst moet komen.

Wat we wilden was een systeem dat veel van het werk zou doen dat de Decadal Survey doet, en dat de wetenschappers die aan de Decadal Survey werken, laat doen waar ze goed in zijn, zegt Harley Thronson , een gepensioneerde senior wetenschapper bij NASA's Goddard Space Flight Center en hoofdauteur van het voorstel .

Hoewel de leden van elke commissie worden gekozen vanwege hun expertise in hun respectievelijke vakgebied, is het onmogelijk voor elk lid om de nuance van elk wetenschappelijk thema te vatten. Het aantal astrofysica-publicaties neemt volgens de auteurs elk jaar met 5% toe. Dat is veel voor iedereen om te verwerken.

Dat is waar de AI van Thronson binnenkomt.

Het duurde iets meer dan een jaar om te bouwen, maar uiteindelijk was het team van Thronson in staat om het te trainen op meer dan 400.000 onderzoeksstukken die in het decennium voorafgaand aan de Astro2010-enquête werden gepubliceerd. Ze waren ook in staat om de AI te leren duizenden samenvattingen te doorzoeken om zowel gebieden met een lage als een hoge impact te identificeren uit twee- en driewoordige onderwerpzinnen zoals planetair systeem of extrasolaire planeet.

Volgens het witboek van de onderzoekers heeft de AI met succes zes populaire onderzoeksthema's van de afgelopen 10 jaar gebackcast, waaronder een snelle opkomst van onderzoek naar exoplaneten en observatie van sterrenstelsels.

Een van de uitdagende aspecten van kunstmatige intelligentie is dat ze soms dingen voorspellen, bedenken of analyseren die voor de mens volkomen verrassend zijn, zegt Thronson. En dat hebben we veel gezien.

Thronson en zijn medewerkers zijn van mening dat de stuurgroep hun AI moet gebruiken om de enorme hoeveelheden tekst die het panel moet doorzoeken en samenvatten, te beoordelen en samen te vatten, zodat menselijke experts de laatste beslissing moeten nemen.

Hun onderzoek is niet het eerste dat AI probeert te gebruiken om wetenschappelijke literatuur te analyseren en vorm te geven. Andere AI's zijn al gebruikt om wetenschappers peer-review te helpen het werk van hun collega’s.

Maar kan het worden toevertrouwd met een taak die zo belangrijk en invloedrijk is als de Decadal Survey?

Robertson van UC Santa Cruz is het ermee eens dat de enorme hoeveelheid onderzoek van de astronomie op de een of andere manier moet worden gecatalogiseerd. Maar hij zegt dat hoewel het idee om AI te gebruiken om te helpen bij de Decadal Survey interessant is, het te vroeg is om te zeggen of het iets is waar wetenschappers op moeten vertrouwen.

Ik denk dat er enkele belangrijke kanttekeningen zijn bij de manier waarop we gebruikmaken van machine learning, zegt Robertson. Een van de grootste problemen met AI is hoe goed mensen het algoritme en de resultaten ervan begrijpen. Kan het team in dit geval vertellen? waarom de AI de keuze had gemaakt tussen twee afzonderlijke maar vergelijkbare onderwerpen?

En zouden mensen tot dezelfde conclusie zijn gekomen?

Als wetenschappers ontwikkelen we een reputatie over de vraag of ons werk nauwkeurig of correct is. En dus denk ik dat het redelijk is dat mensen dezelfde soort criteria toepassen op de resultaten van deze geavanceerde algoritmen voor machinaal leren, zegt Robertson.

Thronson en zijn team hebben niet geprobeerd de resultaten van de enquête van dit jaar te voorspellen. In plaats daarvan richten ze zich op het bepalen waar de volgende grote gebieden in de astronomie zijn.

Geautomatiseerde tools zullen de komende jaren waarschijnlijk nog steeds niet worden gebruikt in de Decadal Surveys. Maar als de onderzoekscommissie besluit om AI in haar proces te integreren, is dat een nieuwe manier voor wetenschappers om overeenstemming te bereiken over hun eigen doelen.

Voorlopig zullen Thronson, Robertson en duizenden andere astronomen gewoon moeten wachten om te zien wat de toekomst biedt - op de ouderwetse manier.

zich verstoppen