Onderzoek van de Universiteit van Oxford, de Radboud Universiteit en Google toont aan dat kunstmatige intelligentie kosmische gebeurtenissen zoals supernova-explosies met hoge nauwkeurigheid kan classificeren – en vervolgens zijn redenering kan uitleggen. Het werd met succes ingezet op een verzameling van duizenden beelden van verschillende observatoria (Nature Astronomy, 8 oktober).
Met slechts vijftien voorbeeldafbeeldingen en een eenvoudige reeks instructies leerde het Gemini-model van Google om veranderingen aan de nachthemel, zoals supernova’s, oplichtende zwarte gaten of snel bewegende planetoïden, te onderscheiden van beeldfouten. De nauwkeurigheid die het taalmodel haalde was ongeveer 93 procent, wat vergelijkbaar is met eerder gebruikte AI-modellen die veel meer training vergen.
Cruciaal is dat het gebruikte AI-model ook een duidelijke uitleg gaf voor elke classificatie. Dat is belangrijk om AI-gedreven wetenschap transparanter en betrouwbaarder te maken. ‘Het is opvallend dat een handvol voorbeelden en duidelijke tekstinstructies zo'n nauwkeurigheid kunnen opleveren ’, aldus Fiorenzo Stoppa, co-hoofdauteur van de Universiteit van Oxford (VK).
Moderne telescopen scannen de hemel onophoudelijk en genereren elke nacht miljoenen waarschuwingen over mogelijke interessante veranderingen. Sommige daarvan zijn echte ontdekkingen, zoals exploderende sterren, maar de meeste zijn valse signalen, veroorzaakt door langskomende satellieten, kosmische straling of de telescoop zelf. Traditioneel vertrouwen astronomen daarom op gespecialiseerde machine-learning-modellen om deze gegevens te filteren. Deze systemen werken echter vaak als een ‘black box’ en geven een eenvoudig label ‘echt’ of ‘vals’ zonder aan te geven hoe ze aan dit resultaat komen. Wetenschappers moeten ofwel blindelings vertrouwen op de output, ofwel talloze uren besteden aan het handmatig verifiëren van duizenden kandidaten. Dat laatste wordt onmogelijk bij de volgende generatie telescopen die nóg meer gegevens produceren, zoals het Vera C. Rubin Observatory in Chili.
AI leert supernova’s herkennen aan de hand van slechts een handvol voorbeelden
