Astronomowie są w szoku, ponieważ nie wiedzą i nie potrafią zrozumieć, w jaki sposób do tego doszło, że model w swojej pracy jest tak perfekcyjny. Wszystko zaczęło się od eksperymentu, w trakcie którego naukowcy zaczęli uczyć sieć neuronową, dostarczając jej bazę 8 tysięcy wcześniej przygotowanych symulacji kosmosu. Jej zadaniem było przeanalizować je i zacząć modyfikować w celu odkrycia najbardziej prawdopodobnego i spójnego modelu.
Sztuczna inteligencja nosząca nazwę Deep Density Displacement Model (D ^ 3M) już przyswoiła wiedzę, naukowcy zlecili jej stworzenie zupełne nowego modelu Wszechświata w kształcie sześcianu o średnicy 600 milionów lat świetlnych, czyli znacznie mniejszego od prawdziwego, którego średnica obserwowanej przestrzeni ma 93 miliardy lat świetlnych.
Naukowcy z Instytutu Flatiron chcieli skupić się na kwestii grawitacji w kosmosie, gdyż wciąż jest ona największą dla nich tajemnicą. Wprowadzili więc dane do SI dotyczące ciemnej materii, czyli kolejnej wielkiej zagadki Wszechświata. Ku ich zdziwieniu, sieć neuronowa bez problemu poradziła sobie z tym karkołomnym zdaniem i przedstawiła niesamowite wyniki.
„To tak, jakby na przykład nauczyć oprogramowanie rozpoznawać obrazy z dużą ilością zdjęć kotów i psów, a następnie okazuje się, że jest ono również w stanie rozpoznać słonie” - powiedziała Shirley Ho, liderka zespołu badawczego z Instytutu Flatiron. Chociaż naukowcy nie mogą zrozumieć, jak do tego doszło, mają nadzieję, że tak wydajny i obiecujący system sztucznej inteligencji pomoże im odkryć i zrozumieć największe tajemnice kosmosu, a w wśród nich istotę i rolę ciemnej materii, ciemnej energii i najróżniejszych energetycznych obiektów.
„Nasze badanie pokazuje, że można wykorzystać głębokie uczenie się do generowania złożonych symulacji 3D w kosmologii. Sugeruje to, że uczenie głębokie może stanowić potężną alternatywę dla tradycyjnych symulacji numerycznych w kosmologii” - czytamy w pracy naukowej.
Źródło: GeekWeek.pl/PNAS / Fot. NASA
