L'apprentissage automatique arrive pour l'astronomie. Mais cela ne signifie pas que les astronomes et les citoyens scientifiques sont obsolètes. En réalité, cela peut signifier exactement le contraire.

Quand tu penses à une galaxie, la première chose qui vient à l'esprit est une spirale. Il y a un amas dense d'étoiles dans le noyau et quelques grosses, balayant les bras en spirale sur le côté.

Mais ce n'est pas le seul type de galaxie là-bas. Comme les gens, les galaxies sont de toutes formes et tailles. Il y a ceux en forme de disque et ceux sphériques, spirales barrées soignées et irréguliers désordonnés.

Galaxies, trié

Cette forme n'est pas seulement importante pour votre sens de l'esthétique lorsque vous choisissez un fond d'écran. Il nous en dit aussi beaucoup sur l'univers, selon Mitchell Cavanagh, doctorat candidat au Centre international de recherche en radioastronomie (ICRAR).

"Nous appelons les premiers types elliptiques parce qu'ils sont plus importants à mesure que vous vous dirigez vers des décalages vers le rouge plus élevés dans l'univers antérieur. Ensuite, vos spirales, nous avons tendance à appeler le type tardif parce qu'ils sont plus fréquents lorsque nous regardons l'univers plus récent aux galaxies à faible décalage vers le rouge proches de nous, " dit Mitchell.

"Donc, le simple fait de pouvoir suivre comment cela se passe est assez important."

Le problème, comme toujours, c'est qu'il y a un parcelle de galaxies là-bas. La solution à ce jour, à travers des projets comme le Galaxy Zoo (et le propre AstroQuest de l'ICRAR), a été d'enrôler des « scientifiques citoyens » bénévoles pour aider à trier les données également. Mais avec la quantité de données astronomiques provenant de nouveaux projets comme le SKA, même une armée de citoyens scientifiques peut ne pas suffire.

"Vous allez avoir des milliards de galaxies, des milliards d'images. Et juste le grand volume d'échantillons qui vont arriver, même avec la science citoyenne, vous allez avoir besoin d'un très gros vivier de bénévoles, " dit Mitchell.

Rencontrez les stronomes de l'IA

Une solution pourrait être un type d'algorithme d'apprentissage automatique appelé réseau de neurones convolutifs ou CNN. C'est exactement ce que Mitchell a développé. Il fonctionne sur un ordinateur de bureau ordinaire mais peut toujours trier des dizaines de milliers de galaxies en quelques secondes seulement.

Ce qui distingue le programme de Mitchell des tentatives précédentes, c'est qu'il peut trier plusieurs types de galaxies à la fois.

"Beaucoup de réseaux de neurones en astronomie ont tendance à simplement regarder des choses binaires, comme est-ce un type précoce ou est-ce un type tardif, des choses comme ça, " dit Mitchell.

« Alors que nous voulons essayer d'entrer dans les détails. Nous voulons examiner plus de classes au lieu de seulement deux. »

Réseaux de neurones, Mitchell dit, ont le potentiel d'être plus rapides et plus efficaces. Ils peuvent également être utilisés dans des situations qui seraient difficiles, beaucoup de temps ou tout simplement ennuyeux pour les volontaires humains. Cela inclut des choses comme la classification des galaxies simulées qui n'existent pas réellement.

« Une fois que vous avez formé un CNN, vous pouvez les appliquer à toutes sortes d'autres choses - des simulations et des choses comme ça - pour faire de la science cool qui compare ces simulations à des observations, " il dit.

Mais ne raccrochez pas tout de suite votre chapeau de trieur galaxie. Comme toujours, il y a un hic.

Les robots viennent-ils pour mon travail (bénévole) ?

Quand les astronomes apprennent à un humain à trier les galaxies, ils décriraient la forme, parler des caractéristiques importantes, peut-être dessiner un diagramme et montrer quelques exemples pour terminer.

Si nous enseignons à une IA, ils peuvent seul utiliser des exemples - et où les volontaires pourraient comprendre ce qu'est une spirale barrée à partir d'un ou deux exemples, un réseau de neurones a besoin des centaines .

"Fondamentalement, un réseau de neurones ne va vraiment être aussi bon que les données avec lesquelles vous l'entraînez, " dit Mitchell.

Et si nous utilisons des techniques délicates pour voir comment il « pense, " les caractéristiques des images qu'il recherche ne ressemblent pas du tout à celles que nous utiliserions en tant qu'humains.

Former des cerveaux

Cela nous laisse une petite énigme. Nous avons besoin de notre IA pour trier nos galaxies en types, mais pour former notre IA, nous avons déjà besoin de savoir de quels types sont nos galaxies.

Loin de rendre obsolètes les scientifiques citoyens humains, L'astronomie alimentée par l'IA leur donne en fait une promotion - de faire le travail eux-mêmes à être davantage comme un entraîneur ou un enseignant.

« Dans un sens, les réseaux de neurones sont construits au-dessus de l'effort existant de la science citoyenne."

L'IA est vraiment douée pour donner aux gens exactement ce qu'ils pensent qu'ils veulent. Pour l'utiliser pour l'astronomie, nous avons besoin d'une armée de volontaires bien entraînés qui veulent des galaxies bien triées - et oui, c'est là que vous entrez.

Cet article a été publié pour la première fois sur Particle, un site d'actualité scientifique basé à Scitech, Perth, Australie. Lire l'article original.