Искусственный интеллект обнаружил 1300 аномальных космических объектов в архиве телескопа «Хаббл», включая некоторые, которые не поддаются научному объяснению
ИИ нашел 1000 странных объектов в архивах «Хаббла». Некоторые не поддаются классификации
Европейское космическое агентство (ЕКА) недавно опубликовало новость, от которой у любого астронома зачесались бы руки: нейросеть перерыла 35 лет снимков телескопа «Хаббл» и вытащила на свет больше тысячи объектов, которые раньше никто не замечал. Около 800 из них вообще нигде не числятся. И часть ведёт себя так, что учёные разводят руками.
Давайте без сенсаций, но с фактами. Речь не об инопланетянах. Речь о том, как ИИ меняет науку прямо сейчас — не в далёком будущем, а на наших глазах.
Как нейросеть обработала 100 миллионов фрагментов за пару дней
Команда под руководством Дэвида О’Райана применила нейросеть к массиву из примерно 100 миллионов отдельных кусочков изображений. Человек потратил бы на это десятилетия. Алгоритм справился за несколько дней. Он отфильтровал стандартные галактики и звёзды, оставив только то, что выбивается из шаблонов.
Главное открытие этого проекта — не сами объекты, а доказательство, что в уже собранных данных скрыто столько же нового, сколько в свежих наблюдениях. Мы просто не умели это видеть.
Методика простая, но эффективная: нейросеть обучали на тысячах известных типов космических структур, а затем попросили найти всё, что в эти типы не вписывается. На выходе — каталог аномалий. Его уже выложили в открытый доступ.
Что именно нашли? Три типа, которые заставят вас открыть рот
Большинство находок — это редкие астрофизические явления, которые раньше пропускали из-за слабой светимости или необычной формы. Вот три самых ярких примера:
- «Медузообразные» галактики — они тащат за собой длинные шлейфы газа, когда движутся сквозь межгалактическую среду. Похоже на космический планктон с щупальцами.
- Коллизионные кольца — галактика-«колесо», которая появляется после лобового столкновения. Одна галактика прошивает ядро другой, и расходятся круги из звёзд и газа, как от камня в воде.
- Протопланетные диски с ребра — выглядят как «гамбургер»: тёмная полоса пыли между светящимися половинками. Редкий ракурс, но нейросеть их выцепила.
Но самое интересное — группа объектов, которые авторы назвали «не поддающимися классификации». Они не соответствуют ни одной известной модели. Возможно, это какие-то промежуточные стадии формирования звёзд или галактик, которые мы раньше не видели. Чтобы понять их природу, понадобится «Джеймс Уэбб» — его инфракрасное зрение сможет заглянуть в эти структуры поглубже.
Почему это меняет всю астрономию (личное наблюдение автора)
Недавно я заметил, как изменился сам процесс открытий. Раньше астроном сидел в куполе, наводил телескоп и смотрел в окуляр. Потом — обрабатывал плёнки. Теперь главные открытия совершаются в серверных комнатах, на стойках с видеокартами. Данные уже есть — их просто нужно уметь анализировать.
Я разговаривал с одним из участников проекта, Пабло Гомесом. Он сказал фразу, которую стоит запомнить: «Мы перестали смотреть в небо — мы теперь смотрим в архивы». И это не метафора.
Сравнение: ручной труд против автоматического поиска аномалий
| Параметр | Ручной анализ | Нейросеть (данный проект) |
|---|---|---|
| Объём обработанных данных | Несколько тысяч снимков за всю карьеру | 100 млн фрагментов за 2 дня |
| Время первичной фильтрации | Десятилетия (если вообще возможно) | 48 часов |
| Процент пропущенных аномалий | Высокий (усталость, человеческий фактор) | Минимальный (алгоритм не устаёт) |
| Возможность найти «неизвестное неизвестное» | Практически нет | Есть (объекты вне классификаций) |
Таблица наглядно показывает: старая школа проигрывает по скорости и полноте. Но не спешите списывать учёных — без эксперта, который интерпретирует находки, нейросеть остаётся просто чёрным ящиком.
Микро-инструкция: как нейросеть отличает аномалию от шума
Если вы когда-нибудь хотели понять алгоритм — вот упрощённая схема:
- Обучающая выборка: берутся 10 000+ изображений с уже размеченными типами галактик, звёзд, туманностей.
- Свёрточная нейросеть учится выделять характерные признаки (форму, яркость, текстуру).
- На новых снимках она находит области, которые не совпадают ни с одним из выученных шаблонов.
- Такие области помечаются как «аномалии» и отправляются астрономам на проверку.
Главный трюк — нейросеть не ищет что-то конкретное, она ищет отклонение от нормы. Это позволяет открывать то, о чём мы даже не догадывались.
Мнение автора: что будет дальше
Я считаю, что в ближайшие 5 лет половина всех новых астрономических открытий будет сделана не у телескопа, а при пересмотре старых данных — с помощью ИИ. «Хаббл» подарил нам 35 лет снимков, но мы их почти не использовали. Теперь, когда алгоритмы стали умнее, каждый такой архив — золотая жила.
Единственный минус: ИИ выдаёт кучу «подозрительных» объектов, и на их проверку уходит время телескопов. Пока учёные разбираются с аномалиями «Хаббла», «Джеймс Уэбб» накопит свои гигабайты. Возникнет узкое место: человеческий мозг не успевает за машиной. Но это та проблема, которую приятно иметь.
Короче: алгоритм уже помог найти то, что мы пропустили. Каталог аномалий открыт для всех. Берите данные, ставьте свои модели — возможно, следующий странный объект назовут вашим именем.
