شکار بخش گمشده کیهان با هوش مصنوعی آنتروپیک؛ کلود نقشه فرابنفش آسمان را کامل کرد

کلود یک‌سوم گمشده آسمان فرابنفش را بازسازی کرد

ستاره‌شناس‌ها تا امروز نقشه‌های سراسری کاملی از آسمان در طیف‌های رادیویی، فروسرخ، نور مرئی، پرتو ایکس و پرتو گاما در دست داشتند، اما وقتی نوبت به پرتو فرابنفش (UV) می‌رسید، نقشه پر از حفره و لکه‌های خالی بود. ماجرا از این قرار است که لایه ازون زمین پرتو فرابنفش را جذب می‌کند؛ به همین خاطر رصد این طیف فقط از عهده تلسکوپ‌های فضایی برمی‌آمد و این تلسکوپ‌ها هم به دلایل فنی بخش‌های بزرگی از آسمان را پوشش نداده بودند.

حالا بریس منارد (Brice Ménard)، اخترفیزیک‌دان دانشگاه جانز هاپکینز، با استفاده از Claude Science — محیط کاری اختصاصی آنتروپیک برای برنامه‌ریزی و اجرای پروژه‌های پژوهشی چندمرحله‌ای — یک خط لوله پردازشی کامل برای بازسازی این داده‌ها طراحی و اجرا کرده است. دستاورد این پروژه، نخستین نقشه سراسری و کامل فرابنفش آسمان است که نور فرابنفش دور (طول موج ۱۵۴ نانومتر) را با فرابنفش نزدیک (طول موج ۲۳۲ نانومتر) پیوند می‌زند.

شناسنامه اختصاصی برای تک‌تک پیکسل‌ها

منظور از کامل بودن این نقشه، پوشش سراسری فضایی آن است؛ به این معنا که هیچ نقطه کوری در آسمان باقی نمانده است. پژوهشگران در تحلیل‌های علمی آینده می‌توانند با تکیه بر اطلاعات شناسنامه داده‌ها و فیلدهای ضریب عدم قطعیت، پیکسل‌های مدل‌سازی‌شده توسط هوش مصنوعی را وزن‌دهی کرده، فیلتر کنند یا جداگانه ارزیابی نمایند. نمای نهایی این نقشه، ابرهای غبار پیرامون ستاره‌های جوان، حلقه‌های عظیم حاصل از انفجارهای ستاره‌ای و رشته‌های کم‌نوری را که با تابش ترکیبی نور ستارگان کهکشان روشن شده‌اند، به تصویر می‌کشد.

چرا نقشه‌برداری‌های فرابنفش قبلی نیمه‌کاره ماندند؟

مأموریت کاوشگر تکامل کهکشان‌های ناسا (GALEX) بزرگ‌ترین مجموعه داده فرابنفش موجود را ثبت کرده بود؛ این مأموریت بین سال‌های ۲۰۰۳ تا ۲۰۱۳ حدود ۳۸ هزار رصد ثبت کرد و تقریباً دوسوم آسمان را پوشش داد. با این حال، طراحان مأموریت عمداً از مناطق پر از ستاره‌های درخشان — به‌ویژه صفحه مرکزی کهکشان راه شیری — دوری کردند؛ چرا که تابش شدید نور می‌توانست حسگر‌ها و آشکارسازهای حساس فضاپیما را بسوزاند و از کار بیندازد.

رصدخانه سوییفت ناسا و مأموریت کره‌ای FIMS/SPEAR هم بخش‌های دیگری را رصد کردند، اما همچنان حفره‌های بزرگی در نقشه آسمان وجود داشت. ترکیب کردن این آرشیوها به کالیبراسیون در سطح تک‌تک پیکسل‌ها، حذف نویزها و اعوجاج‌های نوری، تبدیل مختصات و ساعت‌ها تحلیل آماری نیاز داشت؛ پروژه‌های طاقت‌فرسایی از این دست معمولاً هفته‌ها زمان متخصصان را می‌بلعند و به همین دلیل همیشه زیر سایه پژوهش‌های فوری‌تر، نیمه‌کاره رها می‌شدند.

وقتی پرامپت‌ها به خط لوله پردازشی تبدیل شدند

منارد به عنوان ناظر علمی، دستورات سطح بالا (پرامپت‌ها) را به سیستم می‌داد، خروجی‌های میانی را بررسی می‌کرد و اصلاحات لازم را می‌خواست. کلود هم نقش هدایت‌کننده را بر عهده داشت و چندین ساب‌ایجنت موازی و محاسبات طولانی را در مراحل زیر هماهنگ می‌کرد:

1. بارگذاری و دریافت آرشیوها: یافتن پایگاه‌های داده عمومی رصدهای فرابنفش و دانلود ده‌ها هزار تصویر خام.
2. حذف اعوجاج‌های نوری: مهار و فیلتر کردن درخشش خیره‌کننده اطراف ستاره‌های پرنور، تا تابش ضعیف کیهانی در همسایگی آن‌ها قابل اندازه‌گیری باشد.
3. کالیبراسیون ابزار‌ها: هماهنگ‌سازی و هم‌تراز کردن سنجش‌های روشنایی ثبت‌شده توسط تلسکوپ‌های مختلف.
4. تطبیق مختصات: بازتصویرسازی تمام فریم‌ها روی یک شبکه مختصات آسمانی یکپارچه و ادغام رصدهای هم‌پوشان.
5. بازسازی آماری: تخمین تابش فرابنفش بخش‌های گمشده با کمک الگوبرداری از داده‌های نور مرئی، فروسرخ و رادیویی همان نواحی.
6. مدل‌سازی ستاره‌ای: تخمین و افزودن تابش فرابنفش برای بیش از ۱۰۰ میلیون ستاره با استفاده از داده‌های نور مرئی فضاپیمای گایا (Gaia) متعلق به آژانس فضایی اروپا.

در مرحله بازسازی آماری، سیستم ابتدا نواحی رصدشده را بررسی کرد تا ببیند میزان درخشش فرابنفش چه رابطه‌ای با تابش در سایر طول موج‌ها دارد. سپس این الگوها و روابط را روی پیکسل‌های رصدنشده پیاده کرد و برای هر پیش‌بینی یک ضریب اطمینان در نظر گرفت؛ فرآیندی که در دنیای پردازش تصویر و هوش مصنوعی با عنوان «این‌پینتینگ» (Inpainting) شناخته می‌شود.

منارد برای راستی‌آزمایی این روش، دست به یک ترفند زد: او بخش‌هایی از آسمان را که داده‌های فرابنفش واقعی‌شان موجود بود پنهان کرد و از مدل خواست بدون دسترسی به اعداد واقعی، آن‌ها را بازسازی کند. پس از چند دور بازبینی، مشخص شد پیش‌بینی‌های هوش مصنوعی با داده‌های واقعی تنها حدود ۱۰ درصد تفاوت دارند؛ دقتی که برای چنین بازسازی عظیمی چشمگیر است.

حلقه‌های کم‌نوری که از چشم ایجنت‌ها پنهان ماندند!

در نقشه‌های میانی اولیه، یک خطای عجیب به چشم می‌خورد: در تاریک‌ترین مناطق آسمان، حلقه‌ها و دایره‌های محوی دیده می‌شدند که کمی روشن‌تر یا تاریک‌تر از محیط اطرافشان بودند. بررسی‌ها نشان داد این الگوها مربوط به فریم‌های مجزای تلسکوپ GALEX بوده‌اند؛ جایی که درخشش ناهمگون جو زمین در طیف فرابنفش از تصحیحات اولیه جان سالم به در برده بود.

نکته جالب اینجاست که کلود در همان ابتدای پروژه درخشش جوی را به عنوان یک ریسک شناخته‌شده علامت‌گذاری کرده بود، اما با این حال در دو مرحله بازبینی خودکار ایجنت‌ها، متوجه این ردپای محو روی نقشه نشد. در نهایت بریس منارد در بررسی بصری متوجه این حلقه‌ها شد و با دادن پرامپت اصلاحی، کلود کل ۳۸ هزار رصد را ظرف چند ساعت اصلاح کرد.

این ماجرا نشان داد که نگاه کلی انسانی و مصورسازی سراسری چقدر در کنترل کیفیت حیاتی است؛ نکته‌ای که پردازش‌های محلی و بازبینی‌های خودکار ایجنت‌ها از آن غافل شده بودند. خطوط لوله مشابه از این پس می‌توانند مواردی مثل مرزهای کاشی‌بندی، آفست پس‌زمینه و ردپای تکراری آشکارسازها را پیش از تایید نهایی خروجی بررسی کنند.

الگوهای ارزشمندی که توسعه‌دهندگان می‌توانند به کار بگیرند

• جداسازی مراحل قطعی از آماری: مراحلی مثل دانلود داده‌ها، کالیبراسیون و اصلاح زاویه مختصات باید خروجی‌های کاملاً تکرارپذیر تولید کنند، پیش از آنکه بخش‌های یادگیرنده هوش مصنوعی سراغ تخمین مقادیر گمشده بروند.
• موازی‌سازی بخش‌های مستقل: کاشی‌های تصویری و بخش‌های مختلف آسمان می‌توانند به صورت همزمان پردازش شوند تا بدون تغییر روش اصلی، مدت‌زمان اجرا به طور چشمگیری کاهش یابد.
• حفظ شناسنامه و اصالت داده‌ها (Provenance): کاربران بعدی حتماً باید بدانند کدام داده‌ها حاصل اندازه‌گیری ابزاری بوده و کدام بخش‌ها نتیجه استنتاج هوش مصنوعی هستند.
• پیوست کردن میزان عدم قطعیت به پیش‌بینی‌ها: نقشه‌ای که جاهای خالی‌اش پر شده، زمانی در علم ارزش واقعی دارد که ضریب اطمینان در سطح تک‌تک پیکسل‌ها مشخص باشد.
• راستی‌آزمایی با پنهان‌سازی داده‌های واقعی: ماسک کردن بخش‌هایی از داده‌های واقعی و درخواست بازسازی آن‌ها، بهترین آزمون کنترل‌شده برای سنجش دقت مدل است.
• بررسی خطاهای تجمعی در تصویر نهایی: برخی از باگ‌ها و خطاهای کالیبراسیون تنها زمانی خود را نشان می‌دهند که هزاران تصویر و ورودی در کنار یکدیگر ترکیب شوند.

این جریان کاری طی چند روز بیش از ۱۰ نسخه مختلف از نقشه را تولید کرد. منارد هر مرحله از کار را در گفتگوهای کوتاه با کلود برنامه‌ریزی می‌کرد و سپس اجازه می‌داد سیستم محاسبات سنگین را پیش ببرد؛ در حالی که خودش مشغول امور دیگر بود. برای تیم‌های داده، این پروژه یک نمونه ملموس از همکاری تخصص انسانی با ایجنت‌های هوشمند در یک گراف وابستگی شامل دریافت داده، تبدیل، استنتاج و بازبینی است.

شناسنامه داده‌ها مرزهای دقت نقشه را تعیین می‌کند

بخش‌های گمشده آسمان از نظر ساختاری تفاوت‌های بنیادینی دارند؛ زیرا تلسکوپ GALEX عمداً از ستاره‌های درخشان و صفحه کهکشان دوری کرده بود. بنابراین اعتبارسنجی روی مناطق ماسک‌شده شاید میزان خطا را در بخش‌هایی از کهکشان که تراکم ستاره‌ای و ساختار متفاوتی با داده‌های آموزشی دارند، کم‌تر از مقدار واقعی نشان دهد.

استفاده از این نقشه در تحقیقات علمی به جزئیاتی فراتر از عدد ۱۰ درصد نیاز دارد؛ از جمله معیارهای سنجش خطا، نحوه طراحی ماسک‌های آزمایشی، عملکرد مدل در مناطق مختلف، کالیبراسیون عدم قطعیت و نحوه رفتار در مجاورت منابع پرنور. علاوه بر این، تکرارپذیری این پژوهش به ثبت دقیق کدها، نسخه مدل‌ها، پرامپت‌ها، پارامترهای کالیبراسیون، نسخه‌های آرشیو و توان پردازشی وابسته است.

در نهایت، این پروژه نشان داد که ایجنت‌های هوشمند تحت نظارت چطور می‌توانند پروژه‌های قدیمی ادغام داده را که سال‌ها به تعویق افتاده بودند، ظرف چند روز عملی کنند. تفکیک داده‌های واقعی از مدل‌سازی‌شده، آزمون‌های کنترل‌شده و ثبت تاریخچه خطاها نیز نشان‌دهنده کنترل‌هایی است که هنگام ورود بازسازی‌های آماری به یک مجموعه داده علمی مورد نیاز است.