Denne AI kunne forudsige 10 års videnskabelige prioriteter - hvis vi lader det

Ms Tech

Hvert 10. år, Amerikanske astronomer skal træffe nogle svære beslutninger. Skitseret i en plan kaldet Decadal-undersøgelse om astronomi og astrofysik , et sæt undersøgelser produceret af National Academies of Sciences, Engineering and Medicine, bestemmer disse beslutninger det næste årtis videnskabelige prioriteter for feltet.

Decadal Survey har sat scenen for store spring i rumudforskning siden begyndelsen af ​​1960'erne. Den syvende rapport, kaldet Astro2020, forventes i slutningen af ​​denne måned. Videnskabelige samfund, finansieringsinstitutioner og endda Kongressen henviser til disse rapporter for at træffe beslutninger om, hvor der skal investeres tid og penge.

Tidligere rapporter har annonceret store projekter, herunder konstruktion og opsendelse af store rumteleskoper og undersøgelse af ekstreme fænomener som supernovaer og sorte huller. Den sidste rapport, døbt Astro 2010 , selv dykkede ned i naturen af ​​mørk energi.

Fordi Decadal Survey er en konsensusundersøgelse, skal forskere, der ønsker deres projekt i betragtning, indsende deres forslag mere end et år i forvejen. Alle forslag behandles, og alle (der er mere end 500 denne gang) er tilgængelige for offentlig .

I år spænder emnerne, der diskuteres, fra at udforske Jupiters måner til at smede planetariske forsvarsstrategier mod begivenheder, der sker én gang i 1.000 år, som at en stor asteroide ved navn Apophis flyver forbi. I mellemtiden ønsker nogle forskere at se nærmere på vores egen lyseblå prik .

Relateret historie

Inspiration4: Hvorfor SpaceX's første helt private mission er en stor sag

Er det endelig tid til at være forsigtig optimistisk med hensyn til fremtiden for bemandede rumrejser?

Undersøgelsesudvalget, som modtager input fra et væld af mindre paneler, tager højde for en gigantisk mængde information for at skabe forskningsstrategier. Selvom akademierne ikke vil frigive udvalgets endelige anbefaling til NASA i et par uger endnu, klør forskerne efter at vide, hvilke af deres spørgsmål der kommer ind, og hvilke der vil blive udeladt.

Decadal Survey hjælper virkelig NASA med at beslutte, hvordan de skal lede fremtiden for menneskelig opdagelse i rummet, så det er virkelig vigtigt, at de er velinformerede, siger Brant Robertson , professor i astronomi og astrofysik ved UC Santa Cruz.

Et team af forskere ønsker at bruge kunstig intelligens til at gøre denne proces lettere. Deres forslag er ikke til en specifik mission eller spørgsmålslinje; snarere, siger de, kan deres AI hjælpe videnskabsmænd med at træffe svære beslutninger om, hvilke andre forslag der skal prioriteres.

Tanken er, at ved at træne en AI til at spotte forskningsområder, der enten vokser eller falder hurtigt, kan værktøjet gøre det lettere for undersøgelsesudvalg og paneler at beslutte, hvad der skal være på listen.

Det, vi ønskede, var at have et system, der ville gøre meget af det arbejde, som Decadal Survey gør, og lade forskerne, der arbejder på Decadal Survey, gøre det, de vil gøre bedst, siger Harley Thronson , en pensioneret seniorforsker ved NASAs Goddard Space Flight Center og hovedforfatter af forslaget .

Selvom medlemmer af hvert udvalg er udvalgt for deres ekspertise inden for deres respektive områder, er det umuligt for hvert medlem at forstå nuancen af ​​hvert videnskabeligt tema. Antallet af astrofysiske publikationer stiger med 5% hvert år, ifølge forfatterne. Det er meget for enhver at behandle.

Det er her Thronsons AI kommer ind.

Det tog lidt over et år at bygge, men til sidst var Thronsons team i stand til at træne det på mere end 400.000 stykker forskning offentliggjort i tiåret op til Astro2010-undersøgelsen. De var også i stand til at lære AI'en at gennemsøge tusindvis af abstrakter for at identificere både lav- og højpåvirkningsområder fra to- og treords emnesætninger som planetsystem eller ekstrasolar planet.

Ifølge forskernes hvidbog har AI med succes backcastet seks populære forskningstemaer fra de sidste 10 år, herunder en meteorisk stigning i exoplanetforskning og observation af galakser.

Et af de udfordrende aspekter af kunstig intelligens er, at de nogle gange vil forudsige, eller komme med eller analysere ting, der er fuldstændig overraskende for mennesker, siger Thronson. Og det så vi meget.

Thronson og hans samarbejdspartnere mener, at styregruppen bør bruge deres AI til at hjælpe med at gennemgå og opsummere de enorme mængder tekst, panelet skal gennemsøge, så menneskelige eksperter kan foretage det sidste opkald.

Deres forskning er ikke den første, der forsøger at bruge AI til at analysere og forme videnskabelig litteratur. Andre AI'er er allerede blevet brugt at hjælpe videnskabsmænd med peer-review deres kollegers arbejde.

Men kunne den betros en opgave så vigtig og indflydelsesrig som Decadal Survey?

Robertson ved UC Santa Cruz er enig i, at astronomis enorme mængde forskning bør katalogiseres på en eller anden måde. Men han siger, at selvom ideen om at bruge AI til at hjælpe med Decadal Survey er interessant, er det for tidligt at sige, om det er noget, videnskabsmænd bør stole på.

Jeg tror, ​​at der er nogle vigtige forbehold om, hvordan vi udnytter maskinlæring, siger Robertson. Et af de største problemer med enhver kunstig intelligens er, hvor godt mennesker forstår algoritmen og dens resultater. I dette tilfælde kunne holdet fortælle hvorfor dens AI havde truffet valget mellem to separate, men lignende emner?

Og kunne mennesker være kommet til samme konklusion?

Som videnskabsmænd udvikler vi ry om, hvorvidt vores arbejde er nøjagtigt eller korrekt. Og så jeg synes, det er rimeligt for folk at anvende de samme slags kriterier for resultaterne fra disse sofistikerede maskinlæringsalgoritmer, siger Robertson.

Thronson og hans team har ikke forsøgt at forudsige resultaterne af dette års undersøgelse. I stedet fokuserer de på at bestemme, hvor de næste store områder inden for astronomi er.

Automatiserede værktøjer vil sandsynligvis stadig ikke blive brugt i Decadal-undersøgelserne i nogle år fremover. Men hvis undersøgelsesudvalget beslutter at integrere AI i sin proces, vil det repræsentere en ny måde for forskere at nå til enighed om deres egne mål.

For nu må Thronson, Robertson og tusindvis af andre astronomer bare vente for at se, hvad der er det næste - på gammeldags måde.

skjule