انشالله ایران ...
فرمان بزرگترین رصدکننده آسمان از دست انسان خارج شد
ادعا میشود یک هوش مصنوعی مستقل کنترل پیشرفتهترین ابزارهای رصد کیهان را به دست گرفته و بدون خطای انسانی، در حال تصمیمگیری برای آینده نجوم است.
گروه علم و پیشرفت خبرگزاری فارس - دانشمندان سه مرکز بزرگ علمی جهان برای نخستینبار موفق شدند هدایت مستقیم و کامل یک تلسکوپ ۴ متری و یک دوربین ۵۷۰ مگاپیکسلی بینالمللی را به یک عامل هوشمند (AI Agent) بسپارند.این الگوریتم پس از آموزش روی دادههای ۱۳ ساله، در آزمونهای زنده عملکردی کاملاً همسطح با برجستهترین ستارهشناسان جهان به نمایش گذاشته است.سیستم جدید نهتنها جدول زمانبندی رصد را در کسری از ثانیه و متناسب با تغییرات آبوهوا بازسازی میکند، بلکه خود را برای مواجهه با انفجار دادههای نجومی در سالهای پیشرو آماده میسازد.با این حال، تسلط یک «جعبه سیاه» بر ابزارهای چندصد میلیون دلاری، جامعه علمی را با سؤالات عمیقی درباره مسئولیت پذیری و اعتماد به تصمیمات ماشین روبهرو کرده است. برای درک چگونگی شکلگیری این تحول و ابعاد پشتپرده آن، جزئیات این دستاورد را در ادامه بخوانید.
سه بنیاد بزرگ علمی برای هوشمندسازی رصد کیهان ائتلاف کردند
پشت این جهش بزرگ، پروژهای مشترک میان سه نهاد علمی ایالات متحده آمریکا قرار دارد: دانشگاه نورثوست که طراحی الگوریتمها و بستر پردازش داده را بر عهده داشته، دانشگاه شیکاگو که دانش اخترفیزیک و نجوم کاربردی را ارائه داده و آزمایشگاه ملی شتابدهنده فرمی (Fermilab) وابسته به وزارت انرژی آمریکا که زیرساختهای پردازشی سنگین را پشتیبانی کرده است.این ائتلاف زیر چتر حمایتی «مؤسسه هوش مصنوعی برای آسمان» (SkAI) شکل گرفته است؛ موسسهای که بودجههای کلان خود را از بنیاد ملی علوم آمریکا (NSF) و بنیاد پژوهشی سیمونز تأمین میکند.تیم رهبری این پروژه را دانشمندانی سرشناس پیش میبرند؛ الکس درلیکا-واگنر، اخترفیزیکدان فرمیلاب و استاد دانشگاه شیکاگو مدیریت ادغام علوم و هوش مصنوعی را بر عهده دارد و آراویندان ویجایاراگاوان، استاد علوم کامپیوتر دانشگاه نورثوست، معماری نظری الگوریتمها را هدایت میکند.در کنار آنها، پل چیچورا به عنوان پژوهشگر پسادکتری «SkAI» مسئولیت پیادهسازی عملیاتی سیستم را بر عهده داشته و ریچل هور، دانشجوی دکتری دانشگاه شیکاگو، تحلیل دادههای تاریخی و ارزیابی خطاهای مدل را سرپرستی کرده است.
غول ۵۷۰ مگاپیکسلی شیلی تحت فرمان هوش مصنوعی درآمد
ابزاری که این هوش مصنوعی کنترل آن را به دست گرفته، در ارتفاع ۲۲۰۰ متری از سطح دریا و در صحرای آتاکامای شیلی مستقر است؛ جایی که «رصدخانه بینآمریکایی سُرو تولولو» (CTIO) قرار دارد.این عامل هوشمند هدایت مستقیم «تلسکوپ ۴ متری ویکتور ام. بلانکو» را بر عهده گرفته است؛ ابزاری ارزشمند که از دهه ۱۹۷۰ تا کنون یکی از خادمان اصلی کیهانشناسی بوده است.علاوه بر تلسکوپ، این سیستم کنترل «دوربین انرژی تاریک» (DECam) را نیز در دست دارد. این دوربین ۵۷۰ مگاپیکسلی با ابعادی معادل یک خودروی کوچک، توسط وزارت انرژی آمریکا ساخته شده و به ۶۲ تراشه حسگر CCD فوقالعاده حساس مجهز است تا ضعیفترین نورهای ساطعشده از کهکشانهای دوردست در فاصله میلیاردها سال نوری را ثبت کند.اهمیت این واگذاری زمانی مشخص میشود که بدانیم هزینه عملیاتی چنین رصدخانهای در هر ساعت دهها هزار دلار است و حتی چند دقیقه اتلاف وقت بهدلیل محاسبات انسانی، ضرر مالی سنگین و تاخیر در پروژههای بینالمللی ایجاد میکند.
الگوریتم با تحلیل ۱۳ سال تصمیم انسانی آموزش دید
طراحان این هوش مصنوعی به جای فرمولنویسی سنتی مبتنی بر قوانین ثابت، از ترکیب یادگیری عمیق و یادگیری تقویتی (Reinforcement Learning) استفاده کردند؛ چرا که تغییرات ناگهانی جو و متغیرهای نجومی امکان برنامهنویسی دستی را سلب میکردند.الگوریتم بر روی تمامی دادههای حاصل از «پیمایش انرژی تاریک» (DES) طی ۱۳ سال اخیر آموزش داده شد. این گنجینه تنها شامل تصاویر نبود، بلکه لاگ کامل تصمیمات انسانی شامل وضعیت ساعات مختلف شب، میزان رطوبت، دما، نور ماه و تصمیم نهایی ستارهشناس را در بر میگرفت.در فرآیند آموزش، سیستم در محیطی شبیهسازیشده قرار میگرفت و با دریافت وضعیت جوی یک شب مشخص در گذشته، باید بهترین نقطه رصد را پیشبینی میکرد.سپس پاسخ مدل با عملکرد واقعی ستارهشناسان نخبه مقایسه میشد تا از طریق تابع پاداش (Reward Function)، خطاها اصلاح شوند.به این ترتیب، هوش مصنوعی بدون نیاز به فرمولهای پیچیده فیزیک نور یا هواشناسی، یاد گرفت که چگونه از نور مزاحم ماه دوری کند، مناطقی با کمترین تاری جوی (Seeing Condition) را برگزیند و زمان جابهجایی موتورهای سنگین تلسکوپ را به حداقل برساند تا الگوهای پنهان تصمیمگیری انسانها را استخراج کند.
تست زنده عملکرد ماشین را همسطح انسان قرار داد
این سیستم در بهار و تابستان ۲۰۲۶ وارد مرحله آزمایش زنده روی تلسکوپ بلانکو در شیلی شد و نتایج خیرهکنندهای بر جا گذاشت. در حالی که انسانها برای بازتنظیم برنامهها هنگام تغییرات ناگهانی جوی به ۱۰ تا ۳۰ دقیقه زمان نیاز دارند، هوش مصنوعی این کار را به صورت لحظهای (In Real-Time) و در کمتر از یک ثانیه انجام داد.همچنین راندمان زمانی رصد به ۱۰۰ درصد رسید و مسیر حرکتی تلسکوپ بدون اتلاف وقت بهینهسازی شد.در مواجهه با متغیرهای جوی، تصمیمات سیستم بر اساس تحلیل دقیق و لحظهای دادههای حسگرها شکل گرفت، در حالی که عملکرد انسانی متکی بر حدس و تجربه شخصی بود.الکس درلیکا-واگنر پس از این آزمونها اعلام کرد که عملکرد سیستم دچار هیچ خطای بحرانی نشده و شبهای رصدی را کاملاً همسطح (Peer-Level) با یک ستارهشناس ارشد و بدون خستگی اداره کرده است.
ماشینها رصدخانه روبین را از غرقشدن در داده نجات میدهند
اهمیت راهبردی این دستاورد بیش از هر چیز به آغاز به کار «پیمایش میراث زمان و مکان» (LSST) در «رصدخانه روبین» بازمیگردد. این رصدخانه با تولید دهها ترابایت داده در هر شب، روزانه میلیونها هشدار رویدادهای گذرا (Alerts) مانند انفجار ابرنواخترها یا جابهجایی سیارکهای خطرناک صادر خواهد کرد.هیچ تیمی از دانشمندان انسان توانایی پردازش این حجم از داده در کسری از ثانیه و اتخاذ تصمیم برای جهتدهی به تلسکوپهای پشتیبان را ندارد و این عامل هوشمند تنها ابزار برای صید این پدیدههای نادر است.علاوه بر این، پروژه در فاز دوم خود قصد دارد هوش مصنوعی را از محدودیتهای شناختی ذهن انسان آزاد کند. انسانها به دلیل سوگیریهای ذهنی تمایل دارند نقاط آشنایی را رصد کنند، اما هوش مصنوعی میتواند الگوهای رصدی غیرخطی و کاملاً جدیدی خلق کند که بهرهوری را تا ۴۰ درصد افزایش دهد.با خودکار شدن این عملیات سختافزاری، چالشهای اداری تنظیم جدول زمانبندی منحل شده و نقش دانشمندان از اپراتورهای اجرایی به تحلیلگران دادههای بنیادی ارتقا مییابد.
ابهامات اخلاقی و فنی اعتماد به جعبه سیاه را دشوار میکند
با وجود این موفقیتها، سپردن چنین ابزارهای گرانی به هوش مصنوعی با چالشهای جدی همراه است. نخستین چالش به مسئله «جعبه سیاه» (Black Box) مربوط میشود؛ اگر هوش مصنوعی تلسکوپ را به سمتی از آسمان بچرخاند که از نظر منطق انسانی کاملاً خالی به نظر میرسد، جامعه علمی به سختی به تصمیمی که علت آن قابل توضیح نیست اعتماد خواهد کرد.چالش دوم به مسئولیتپذیری در قبال آسیبهای سختافزاری بازمیگردد. تلسکوپهای چندصد میلیون دلاری مجهز به سیستمهای حساس مکانیکی و سرمایشی با نیتروژن مایع هستند و اگر یک باگ الگوریتمی باعث چرخش تلسکوپ به سمت خورشید و سوختن حسگر ۵۷۰ مگاپیکسلی شود، مسئولیت حقوقی و مالی آن میان دانشگاهها، فرمیلاب یا توسعهدهندگان نامشخص است.در نهایت، این وابستگی میتواند به زوال دانش بومی و تجربی نسل بعدی ستارهشناسان منجر شود؛ دانشمندانی که ممکن است بدون اتکا به ماشین، توانایی مدیریت دستدستی و درک شهودی سختافزارهای رصدی را از دست بدهند.
17:53 - 9 مرداد 1405
2 پاسخ
@A_Montazer11909 مرداد 1405در پاسخ بهمطالبهلزوم تقویت آموزش و تربیت دانشگاهها بر پایه تمدن اسلامی ـ ایرانی
با سلام با توجه به اهمیت نظام آموزشی در تربیت نیروی انسانی و آینده کشور، انتظار میرود برنامههای آموزشی دانشگاهها بیش از پیش بر مبانی و الگوی تمدنی اسلامی ـ ایرانی استوار شوند. در حال حاضر، بخش قابل توجهی از منابع و نظریههای آموزشی، بهویژه در حوزههایی مانند سیاست، حکمرانی و روابط بینالملل، برگرفته از اندیشههای غربی است. پیشنهاد میشود ضمن بهرهگیری از دانش مفید جهانی، در تدوین سرفصلها و منابع آموزشی، توجه بیشتری به مبانی بومی، اسلامی و ایرانی صورت گیرد و ظرفیت اندیشههای داخلی در این حوزهها تقویت شود. با سپاس
0100گزارش از مطالبه