Veštačka inteligencija otkriva više od 1.300 anomalija u arhivi Hablovih snimaka

Svemir je ogroman, a arhive svemirskih teleskopa čuvaju bilione fragmenata informacija koje je teško sistematski pregledati ručno. Tim astrofizičara iz Evropske svemirske agencije (ESA) primenio je prilagođeni AI alat AnomalyMatch na skoro 100 miliona malih isečaka snimaka iz arhive Hablovog svemirskog teleskopa i u roku kraćem od tri dana identifikovao više od 1.300 anomalija — od kojih je preko 800 prethodno nedokumentovano u naučnoj literaturi.

Kako je radio AnomalyMatch

Istraživači su podelili Habla arhivu na gotovo 100 miliona kratkih isečaka, svaki samo nekoliko piksela po strani, i obučili neuronsku mrežu da prepozna odstupanja od uobičajenih obrazaca. Algoritam je automatski rangirao i izdvojio najsumnjivije objekte za ljudsku proveru, što je uveliko ubrzalo otkrivanje retkih i neočekivanih fenomena.

Šta je pronađeno

Većina označenih anomalija povezana je sa nasilnim događajima u kojima se galaksije sudaraju i spajaju — procesima koji dramatično menjaju oblik i evoluciju galaksija. Među zanimljivijim otkrićima su:

• Meduzaste („jellyfish”) galaksije koje izbacuju dugačke tokove gasova i aktivno formiraju zvezde.
• Planetarni diskovi vidljivi „sa ivice”, čiji izgled podseća na tanke pljeskavice ili „hamburgere”.
• Gravitaciona sočiva — pojave u kojima gravitacija velikih objekata savija i pojačava svetlost objekata iza njih.
• Neobični objekti koji ne odgovaraju postojećim klasifikacijama i mogu navesti na redefinisanje kategorija.

„Arhivska posmatranja Hablovog svemirskog teleskopa obuhvataju sada 35 godina i predstavljaju bogat skup podataka u kojem mogu biti skrivene astrofizičke anomalije”, rekao je vodeći autor David O’Ryan iz ESA.

Važnost i implikacije

Ovaj rad, objavljen u časopisu Astronomy & Astrophysics, prvi je sistematski pokušaj pretrage celokupne Habla arhive u potrazi za astrofizičkim anomalijama. Pokazao je da kombinacija mašinskog učenja i stručne ljudske verifikacije može znatno povećati naučni prinos postojećih arhiva i pomoći u identifikaciji retkih, ali važnih fenomena koji bi inače mogli ostati neprimećeni.

Autori naglašavaju da ovakav pristup neće zameniti astronome, već im omogućava da se fokusiraju na najzanimljivije slučajeve. Takođe podsećaju da se upotreba AI u nauci i javnoj upravi sve više razvija, što zahteva kontinuirani oprez i proveru rezultata ljudskom ekspertizom.

Zaključak: AnomalyMatch je dokazao da se u velikim arhivama sakrivaju vredni podaci koje moderna AI rešenja mogu efikasno otkriti. Rezultati otvaraju put za slične pretrage u budućim velikim zvezdanim mapiranjima i arhivama.