U beskrajnom svemiru astronomi svakodnevno se suočavaju s masivnim protokom podataka koji proizlaze iz sve brojnijih opservatorija. Svake noći sustavi za praćenje nebeskih pojava generiraju milijune upozorenja, a među njima se nalaze rijetki, ali iznimno važni događaji – supernove, eksplozije bijelih patuljaka i drugi kratkotrajni fenomeni. Takve pojave skrivaju se pod šumom instrumentacijskih artefakata i lažnih pozitivnih rezultata, što otežava njihovo pravovremeno otkrivanje. Tradicionalni algoritmi strojnog učenja mogu prepoznati potencijalne kandidate, ali često djeluju kao neprozirne „crne kutije“ i ne pružaju uvid u razloge svoje odluke. Nedavno istraživanje objavljeno u časopisu Nature Astronomy pokazalo je da multimodalni model Gemini, razvijen od strane tvrtke Google, ne samo da dostiže rezultate usporedive s posebnim klasifikatorima, već i generira jasna, ljudskim jezikom napisana objašnjenja, a sve to uz učenje iz svega nekoliko primjera.
Zašto je otkrivanje kratkotrajnih pojava sve veći izazov
Najnoviji opservatoriji, poput Vera C. Rubin opservatorija i njegovog projekta Legacy Survey of Space and Time (LSST), predviđaju da će svake noći proizvesti i do deset milijuna upozorenja. Većina tih signala predstavlja artefakte – tragove satelita, udarce kozmičkih zraka ili tehničke greške kamera – dok je manji dio stvarni astronomski događaj. Prije uvođenja naprednih algoritama, astronomi su morali ručno pregledavati stotine tisuća slika, što je bilo iznimno vremenski zahtjevno i podložno ljudskim pogreškama. Prvi pokušaji automatizacije koristili su konvolucijske neuronske mreže koje su zahtijevale opsežne skupove označenih podataka i davale jedinstveni odgovor „stvarno“ ili „lažno“, bez dodatnih informacija o motivaciji odluke.
Nova metoda: Gemini s nekoliko primjera
Istraživački tim odlučio je iskoristiti inherentne multimodalne sposobnosti modela Gemini. Umjesto izgradnje posebne neuronske mreže od temelja, modelu su pružene samo petnaest označenih trojki slika za svaku od tri ključne ankete: Pan‑STARRS, MeerLICHT i ATLAS. Svaka trojka sadržavala je (1) novu sliku koja prikazuje prijavu, (2) referentnu sliku snimljenu u ranijem trenutku i (3) razliku koja ističe promjenu između dviju slika. Uz svaku trojku priloženi su stručni zapisi, kratke upute za označavanje i ocjena interesa koja je odražavala znanstvenu važnost događaja.
Kako Gemini obrađuje različite ankete
- Pan‑STARRS: razlučivost 0,25 arcsekunde po pikselu.
- MeerLICHT: razlučivost 0,56 arcsekunde po pikselu.
- ATLAS: razlučivost 0,90 arcsekunde po pikselu.
Unatoč različitim tehničkim karakteristikama, model Gemini je uspio prepoznati ključne obrasce u svim tri ankete. Zahvaljujući sposobnosti učenja iz malog broja primjera, postigao je točnost koja se izjednačila