الذكاء الصناعي.. آلات متعلمة تتفوق على الإنسان في حقل الفلك
في أبريل/ نيسان من العام الحالي 2023، أعلن فريق بحثي من جامعة “نورثويسترن” الأمريكية عن نجاحه في تطوير برمجية تعتمد على الذكاء الصناعي، يمكنها تنقية الصور الفلكية الملتقطة من التلسكوبات الأرضية، بحيث باتت تقترب في جودتها من الصور الملتقطة من تلسكوبات فضائية، وهو ما يساهم بلا شك في تحسين عمل الفلكيين حول العالم، الذي يعتمد بشكل أساسي على قراءة البيانات في الصور الملتقطة للأجرام السماوية كالسدم والمجرات والنجوم.
وقد أتاح الفريق البحثي تلك البرمجية بشكل مجاني، وقاموا بتركيبها كجزء أساسي من نظام تشغيل مرصد “فيرا سي روبين” في منطقة “سيرو بانشون” شمالي دولة تشيلي، الذي يُبنى حاليا وسيبدأ العمل فيه خلال عدة سنوات، ويتوقع أن يرسم خرائط لسماء الليل بأكملها بتفاصيل غير مسبوقة، فهو يمتلك أكبر وأقوى كاميرا تصوير في العالم تلتقط الصور بدقة 3.2 مليارات بكسل.
تقنيات الذكاء الصناعي.. قدرات محدودة لآلات متعلمة
حين نتحدث عن الذكاء الصناعي، فإن أول ما يخطر ببالك عادة هو أشياء مثل “تشات جي بي تي”، وتقنيات تعديل الصور القوية، وصوت أم كلثوم وهي تغني لعبد الباسط حمودة، أو عبد الحليم حافظ وهو يغني لعمرو دياب، هذا هو ما ينتشر على وسائل التواصل الاجتماعي، وهو ما يبني تصورات الناس عن طبيعة هذا الشيء.
لكنه مع الأسف تصور ناقص، فالذكاء الصناعي يمتد ليخترق نطاقات أكثر عمقا وتأثيرا في حياتنا من كل ذلك، ومنها مثلا العلوم العسكرية والطب بشكل خاص، وكذلك علم الفلك.
لكن قبل البدء في الدخول بعمق إلى تلك الثورة، دعنا أولا نفهم ما يعنيه الذكاء الصناعي، وهو كما يبدو من اسمه محاولة لجعل الحاسوب يعمل على مهام كانت حصرية على البشر فقط.
يمكن للحاسوب مثلا منذ الخمسينيات والستينيات من القرن الفائت أن ينفذ عمليات رياضية معقدة، ويمكنه أن يجدول بيانات الموظفين ويحسب الوقت المتوقع للانتهاء من ملء “الهارد ديسك”، الخ. لكنه لم يستطع قيادة السيارة أو التعرف على الوجوه أو الأصوات، وهنا يمكننا تعريف الذكاء الصناعي على أنه قدرة الآلة على فهم البيانات المعطاة لها، ثم التعلم منها، ثم التصرف على أساس ذلك التعلم لتحقيق هدف محدد.
ولنتأمل تقنيات التعرف على الحيوانات على سبيل المثال، فبالنسبة لك فإنه يمكن التعرف على كل كلب وقطة تقريبا، مهما كانت الصورة سيئة الجودة، وتلك مهارة بسيطة وبديهية تؤديها بسهولة ويسر، ذلك لأن دماغك البشري بالغ التعقيد، يحوي أكثر من 86 مليار خلية تعمل في تناغم بديع.
أما الحاسوب العادي فذلك مستحيل لديه، إذ يجب أن يكون لديه نموذج مخزن فيه يشبه الكلب أو القطة، وإلا فلن يتعرف عليهما، لكن الذكاء الصناعي يتمكن من ذلك عبر تقنيات تعلم الآلة، حيث يُغذى الذكاء الصناعي بمئات الآلاف من صور الكلاب والقطط، وهنا تبحث برمجيات الذكاء الصناعي عن أنماط إحصائية تتشابه فيها القطط مع بعضها، وتختلف تماما عن الكلاب التي تتشابه في أنماط إحصائية أخرى مختلفة.
بعد ذلك، يحوّل الذكاء الصناعي تلك الأنماط لقوانين ذات طابع احتمالي، يستخدمها عند فحص صور جديدة لم تعرض عليه من قبل، ومع كل صورة جديدة تضاف لقاعدة بياناته فإنه يحسن أداءه في المرة القادمة.
ويشبه ذلك الطريقة التي نتعلم بها نحن البشر كل شيء في حياتنا منذ نعومة أظفارنا، لكن هناك فارقا أساسيا ما زال إلى الآن يميز الإنسان عن الآلة، وهو أن ذكاء الآلة متخصص وليس عاما، فالإنسان ذو قدرة على التعامل مع كل أنواع المشكلات، أما ذكاء الآلة فيُبنى أساسا لحل مشكلات محددة.
فذكاء “تشات جي بي تي” مثلا، مخصص فقط لمعالجة اللغة، لكنه لن يستطيع حل مشكلات رياضية، والسيارة ذاتية القيادة مخصصة فقط للقيادة، لكنها لن تتمكن من تشخيص مرض ما. وعلى الجانب الآخر فإن الطبيب البشري المؤهل يمكنه قيادة سيارة وتشخيص مرض وتعلم الكثير من الأشياء الجديدة.
مستعرات عظمى بين يدي الحاسوب.. ثورة في علم الفلك
لنتأمل الآن إنجازا آخر أعلن في أكتوبر/ تشرين الأول الماضي خلال المؤتمر الوطني لعلم الفلك 2023، حين تمكن علماء الفلك من بناء أداة تعتمد على الذكاء الصناعي، تمكنت من اكتشاف مستعر أعظم جديد بشكل آلي تماما، من دون أي تدخل بشري.
فقد غذّى الباحثون تلك الأداة (التي سميت “الروبوت الماسح للأجرام العابرة اللامعة”) بحوالي مليون وأربعمائة ألف صورة للمستعرات العظمى وظواهر أخرى شبيهة من أكثر من 15 ألف مصدر، وبعد ذلك عمل تعلم الآلة على استنتاج القوانين الإحصائية والأنماط التي تميز المستعرات العظمى عن غيرها، وحينما تلقت تلك الأداة إشعارا بالتقاط جسم عابر من تلسكوبين في مرصد بالومار بالقرب من مدينة سان دييغو في ولاية كاليفورنيا الأمريكية، طبقت تلك القوانين التي استنتجتها بشكل تلقائي، وأعلنت عن اكتشاف المستعر الأعظم.
ويوفر ذلك على الفلكيين مئات بل آلافا من ساعات العمل التي كانوا يقضونها سنويا في البحث بين آلاف الصور عن مستعرات عظمى جديدة، وتصدر سنويا أطنان من البيانات التي لا يتمكن علماء الفلك من دراستها جميعا، لاكتشاف شيء جديد أو نمط شاذ عن السائد، مما قد يبشر باكتشاف جديد، وهنا يمكن للذكاء الصناعي إجراء تلك المهام بوتيرة أسرع ودقة أعلى.
وليس هذا الأمر جديدا، فقد استخدم فريق تلسكوب أفق الحدث الذي أعلن الصورة الأولى للثقب الأسود في عام 2019 الذكاء الصناعي لإنتاج تلك الصورة، إذ علّم الفريق أولا الذكاء الصناعي كيفية التعرف على الثقوب السوداء، من خلال تغذيته بمحاكاة لأنواع عدة من الثقوب السوداء، ثم بعد ذلك استخدموا الذكاء الصناعي لملء الفجوات في الكمية الهائلة من البيانات التي جمعتها التلسكوبات الراديوية حول الثقب الأسود الموجود في مركز المجرة مسيية 87. وباستخدام هذه البيانات التي أنتجها الذكاء الصناعي، استطاع الفريق إنشاء صورة جديدة أكثر وضوحا بمرتين من الصورة الأصلية، ومتوافقة تماما مع تنبؤات النسبية العامة.
وفي الواقع، فإن ذلك يجري على كل شيء تقريبا في نطاق علم الفلك. فمنذ عام 2010 كان علماء الفلك قد بدؤوا استخدام تعلم الآلة لتصنيف المجرات، وقد أصبحت تلك الأدوات قادرة الآن على تصنيف المجرات بدقة تصل إلى 98%، وذلك إنجاز كبير، فالعلماء بحاجة إلى تصنيف المجرات لفهم توزيعها في الكون، وكانت تلك المهمة خلال عقود مضت توكل لفريق من علماء الفلك، يدير آلافا من الهواة عبر الإنترنت (من فئة المواطن العالِم)، لاستكشاف المجرات الجديدة وتصنيفها.
اكتشاف الكواكب.. آلة تختصر عمل سنوات في ساعة واحدة
تتكرر تلك القصة في نطاقات أخرى، أهمها حاليا هو اكتشاف الكواكب الجديدة، لكن كيف يكتشف العلماء كوكبا يدور حول نجم غير الشمس؟ هناك طرق عدة منها مثلا عبور الكواكب؛ ولفهم الفكرة تخيل أنك تمسك بين إصبعيك كرة معدنية صغيرة بقطر عدة مليمترات مثلا، ثم قمت بتمريرها أمام مصباح حجرتك على مسافة عدة أمتار، هنا ستلاحظ أن كم الضوء الخارج من المصباح قد انخفض قليلا بمرور تلك الكرة من أمامه.
الأمر ذاته يحدث في دراسات عبور الكواكب، إذ يستمر التلسكوب في مراقبة أحد النجوم فترة من الزمن، فإذا لاحظ العلماء انخفاضا في إضاءته بشكل دوري، عنى ذلك مرور كوكب أمامه، وتساعد بيانات مثل سرعة العبور وكمية انخفاض الضوء في تحديد مدار هذا الكوكب وحجمه.
ففي أبريل/ نيسان من عام 2019، أعلن علماء من وكالة ناسا اكتشاف كوكبين جديدين سميا “كي2-293 بي” (K2-293b) و “كي2-294بي” (K2-294b)، ويبلغ قطر الأول حوالي 2.5 مرة من قطر الأرض، والثاني حوالي 1.7 مرة. وهما من نظامين نجميين مختلفين، الأول يدور حول نجم يبعد حوالي 1300 سنة ضوئية عن الأرض، ويدور الثاني حول نجم أقرب قليلا من الأول.
لكن الجديد في هذا الاكتشاف الذي نشر في دورية “ذا أسترونوميكال جورنال” أن هذه الكواكب رُصدت بأداة للتعلم الآلي تسمى “أسترونت- كي2” (AstroNet-K2)، وهي تحلل البيانات الصادرة من “تلسكوب كبلر الفضائي”، وقد تبين للعلماء بحسب الدراسة أنها قادرة على فصل إشارات الكواكب الخارجية الحقيقية عن الإشارات الكاذبة.
وفي أبريل/ نيسان 2023، أظهرت دراسة أجراها فريق من جامعة جورجيا الأمريكية أن تعلم الآلة يستطيع تحديد ما إذا كان هناك كوكب خارجي موجود في مكان ما، من خلال النظر في أقراص الكواكب الأولية، وهو الغاز المحيط بالنجوم المتكونة حديثا. ولقد تأكد علماء هذا الفريق من وجود أحد الكواكب باستخدام التقنيات التقليدية، لكن نماذج تعلم الآلة وجهتهم إلى البحث في هذا المكان تحديدا.
ويؤكد الباحثون في هذه الدراسة أن تعلم الآلة بشكل عام لديه القدرة على تحديد المعلومات المهمة التي قد تفوت العلماء في أثناء فحصهم للبيانات الفلكية، والأهم من ذلك أن الأمر استغرق حوالي ساعة واحدة فقط لتحليل كم هائل من البيانات، والعثور على دليل قوي على وجود كوكب جديد في مكان محدد، أما عالم الفلك، فكان سيفعل ذلك في شهور أو ربما سنوات.
وبين عامي 2011-2019 استطاع فريق قطر لاكتشاف الكواكب النجمية العثور على عشرة كواكب نجمية، أطلق عليها أسماء “قطر بي” (Qatar-b)، وذلك عبر الذكاء الصناعي الذي يتحكم به حاسوب فائق القدرة موجود في “جامعة تكساس إيه أند إم” بمؤسسة قطر، فقد كان يحلل البيانات الواردة له من خمس تلسكوبات فلكية موزعة على الأرض ترصد السماء على مدار 24 ساعة، وكان هذا الحاسوب قادرا على تمييز النجوم التي يخفت ضوؤها نتيجة عبور كوكب أو دوران نجم آخر حولها، قبل أن تحال هذه النجوم المرشحة إلى علماء الفلك، ليتأكدوا من سبب هذا الخفوت.
المادة المظلمة.. محاولة اكتشاف ألغاز الكون الكبرى
يبدو أن الذكاء الصناعي سيساعد العلماء فيما هو أعمق من ذلك، فقبل عدة سنوات قام علماء من قسم الفيزياء وقسم علوم الحاسوب بالمعهد الفيدرالي للتكنولوجيا في زيورخ بدمج جهودهم، لاستخدام أدوات تعلم الآلة، من أجل البحث في أحد أكبر أسرار الكون إلى الآن، وهو المادة المظلمة التي تشكل حوالي 26% من تركيب هذا الكون. ولا يمكن للعلماء رصد المادة المظلمة بشكل مباشر، فليست لديهم أي معرفة عنها، سوى أن لها أثرا جذبويا على محيطها من المجرات.
وفي وسائل التواصل الاجتماعي، تستخدم خوارزميات الذكاء الصناعي للبحث عن أنماط معينة تمكنها من التعرف على الوجوه، أما في حالة الكون الواسع فإن المادة كذلك تتخذ أنماطا تشير إلى وجود المادة المظلمة، وأحد هذه الأنماط هو ما يسمى “عدسة الجاذبية الضعيفة” (weak gravitational lensing)، إذ يمكن للضوء المار بين المجرات أن ينحني بفعل جاذبيتها، مما يترك تشوها قد يعجز العلماء عن ملاحظته.
ويستخدم علماء الكونيات هذا التشوه للتعرف على كتل المجرات وأثر المادة المظلمة عليها، لذا فإن بناء أداة للذكاء الصناعي يمكنها التعلم من صور سابقة، ثم تنطلق في كم هائل من الصور الجديدة، لتحديد انحناء طفيف للضوء هنا أو هناك، يمكن أن يؤثر في بناء صورة أكثر صلابة عن كم وتوزيع المادة المظلمة في الكون، وهذا ما عمل عليه الفريق، وكانت نتائجهم أدق بنسبة 30% من تلك التي حصل عليها العلماء بالطرق التقليدية.
قمر بلوتو.. اكتشاف بالصدفة في مرصد البحرية الأمريكية
في أثناء قياسه لدوران كوكب بلوتو حول محوره، لاحظ “جيمس كريستي” الفلكي في مرصد البحرية الأمريكية في عام 1978 ظهور استطالة في صورة الكوكب الملتقطة من المرصد، فافترض أن تلك الاستطالة بسبب خطأ في جهاز القياس، واستدعى فني إلكترونيات لإصلاح الجهاز، وطلب الفني من “كريستي” أن يبقى معه وهو يصلح الجهاز للتأكد من جودة الصور.
وأثناء الساعة التي استغرقتها عملية الإصلاح، درس “كريستي” الصورة بعناية أكبر، وتذكر شيئا رآه قديما، فقام ليبحث في الأرشيف عن صورٍ سابقة لبلوتو، فوجد ست صور أخرى لبلوتو بين عامي 1965-1970 أظهرت نفس الاستطالة، مما رجح أنه لم يكن هناك أي خطأ في الجهاز، بل كانت تلك الاستطالة ناتجة عن شيء جديد، دراسات لاحقة أثبتت أنه قمر تابع لبلوتو سمي شارون.
هذا النوع من اكتشافات الصدفة شائعٌ في علم الفلك، وهو نتيجة بسيطة لأن الإنسان يمتلك ذاكرة وانتباها محدودين، وفي بعض الأحيان تفتح الصدفة بابا أمامه، لربط أشياء لم يكن يظن أنها ذات علاقة.
لكن مع وجود الذكاء الصناعي وقدراته على قراءة الأنماط ودراستها بدقة تتصاعد يوما بعد يوم، خلال ذاكرة تخزينية باتت تقاس بوحدات مثل البيتابايت (ألف تيرابايت)، أصبح ممكنا لعلماء الفلك -وغيرهم في نطاقات أخرى- تحقيق اكتشافات من هذا النوع بوتيرة متسارعة، بل ربما يساعد ذلك يوما ما في ابتكار قوانين فيزيائية جديدة، وتغيير وجهة نظرهم عن هذا الكون بشكل جذري.
المصادر
1- Galaxy Image Deconvolution for Weak Gravitational Lensing with Unrolled Plug-and-Play ADMM
https://arxiv.org/abs/2211.01567
2- What is machine learning?
https://www.ibm.com/topics/machine-learning
3- First supernova detected, confirmed, classified and shared by AI
4- How artificial intelligence is changing astronomy
https://www.astronomy.com/science/how-artificial-intelligence-is-changing-astronomy/
5- Discovery Alert! Two new planets – found by AI
https://exoplanets.nasa.gov/news/1565/discovery-alert-two-new-planets-found-by-ai/
6- Kinematic Evidence of an Embedded Protoplanet in HD 142666 Identified by Machine Learning
https://iopscience.iop.org/article/10.3847/1538-4357/acc737
7- Cosmological constraints with deep learning from KiDS-450 weak lensing maps
https://journals.aps.org/prd/abstract/10.1103/PhysRevD.100.063514
8- Analysis: How AI is helping astronomers study the universe
https://www.pbs.org/newshour/science/analysis-how-ai-is-helping-astronomers-study-the-universe
9- رويستون إم روبرتس- السرنديبية: اكتشافات علمية وليدة الصدفة – الفصل التاسع عشر اكتشافاتٌ فلكية وليدة المصادفة