Иногда искусственный интеллект берётся за задачи, для которых его, казалось бы, не проектировали. Автор этого материала, например, использовал нейросеть, чтобы разобраться с неисправностью фургона, расчётом водосточного желоба и даже каркасными работами в доме. ИИ не волшебство и порой ошибается, но как способ продумать проблему вместе с системой, прочитавшей больше руководств, чем любой человек, он уже занял своё место в ящике с инструментами. Поэтому следующая новость вызывает и интерес, и понимание.

Теперь ИИ обратили к небу. У астрономов есть проблема посерьёзнее, чем ремонт фургона, — планирование наблюдений. Время на крупном телескопе строго распределено. Можно месяцами ждать несколько часов работы, а когда они наконец наступают, условия не поддаются контролю. Луна может оказаться слишком яркой для слабого объекта, видимость — плохой, облака — затянуть ту половину неба, где намечалась работа. Многое можно предусмотреть заранее, но расписание — живой и капризный механизм, и каждый час требует решения: какой из объектов достоин реальных условий, а ошибка оборачивается размытыми снимками, испорченными данными и ожиданием следующего цикла.

Машина, которая научилась у людей

Алекс Дрлица-Вагнер из Фермилаба и Чикагского университета и Аравиндан Виджаярагхаван из Северо-Западного университета построили систему, которая берёт это решение на себя. Работая через институт SkAI, они обучили модель глубокого обучения на данных многолетних наблюдений Dark Energy Survey. Астрономические правила в неё не закладывали. Вместо этого модели показывали, куда телескоп был направлен в конкретный момент, просили предсказать, что произойдёт дальше, затем сравнивали прогноз с реальными действиями людей и заставляли исправляться. После нескольких миллионов таких повторов модель сама вывела, как лунный свет и состояние атмосферы влияют на правильное решение, — без подсказок.

Научившись тому, «как это делают астрономы», система спланировала две реальные наблюдательные кампании весной и летом этого года на 4-метровом телескопе Blanco в Серро-Тололо, Чили. Она управляла 570-мегапиксельной камерой Dark Energy Camera, сама составляла план и адаптировала его в реальном времени по мере изменения условий.

Пока на уровне человека — но это только начало

Честная оценка команды: сейчас ИИ работает примерно так же хорошо, как человек. Звучит скромно, пока не вспомнишь, что сравняться с опытным астрономом и было целью первого запуска. Следующая задача — превзойти людей, пробуя стратегии, до которых ни один человек не додумался бы.

Практическая причина спешить есть. Обсерватория Веры Рубин вот-вот начнёт выдавать больше данных, чем когда-либо прежде, и другим телескопам придётся быстро реагировать на её находки. Ручное планирование в таких масштабах не сработает, а ИИ может реагировать и адаптироваться со скоростью, недоступной человеку.

Дрлица-Вагнер формулирует суть лучше: «автоматизировать рутинную работу, а астрономам вернуть время для интересного». Примерно этого автор ждёт и от своего ИИ-помощника — правда, его амбиции пока ограничиваются фургоном.

Первый в истории телескоп, который наводит себя сам, уже отработал две наблюдательные сессии. Пока это не сенсация, а скорее обещание: если модель сравнялась с человеком за один цикл обучения, что будет, когда она начнёт пробовать то, чего не пробовал никто?