AI技術(shù)對(duì)于人類在探索太空和觀察野生動(dòng)物都有很大的幫助
Deep-CEE:幫助天文學(xué)家探索深空的人工智能深度學(xué)習(xí)工具
宇宙中的大多數(shù)星系都生活在被稱為“場”的低密度環(huán)境中,或者生活在小群體中,比如包含我們的銀河系和仙女座星系的星系。星系團(tuán)更為罕見,但它們代表了星系可以生存的最極端環(huán)境,研究它們可以幫助我們更好地理解暗物質(zhì)和暗能量。
在 20 世紀(jì) 50 年代,星系團(tuán)發(fā)現(xiàn)的先驅(qū)天文學(xué)家喬治·阿貝爾花了多年時(shí)間通過肉眼尋找星系團(tuán),使用放大鏡和照相底片來定位它們。阿貝爾手動(dòng)分析了大約 2,000 張照相底片,尋找星系團(tuán)的視覺特征,并詳細(xì)描述了星系密集區(qū)域的天文坐標(biāo)。他的工作導(dǎo)致了在北半球發(fā)現(xiàn)的星系團(tuán)的“阿貝爾目錄”。
Deep-CEE 以 Abell 識(shí)別星系團(tuán)的方法為基礎(chǔ),但用經(jīng)過訓(xùn)練的 AI 模型取代了天文學(xué)家,該模型經(jīng)過訓(xùn)練可以“查看”彩色圖像并識(shí)別星系團(tuán)。它是一種基于神經(jīng)網(wǎng)絡(luò)的最先進(jìn)模型,旨在模仿人腦在可視化獨(dú)特圖案和顏色時(shí)通過激活特定神經(jīng)元來學(xué)習(xí)識(shí)別物體的方式。
Chan 通過反復(fù)向 AI 展示圖像中已知的、已標(biāo)記的對(duì)象示例來訓(xùn)練 AI,直到該算法能夠?qū)W會(huì)自行關(guān)聯(lián)對(duì)象。然后進(jìn)行了一項(xiàng)試點(diǎn)研究,以測試該算法在包含許多其他天文物體的圖像中識(shí)別和分類星系團(tuán)的能力。
“我們已經(jīng)成功地將 Deep-CEE 應(yīng)用于斯隆數(shù)字巡天,”Chan 說,“最終,我們將在革命性的巡天中運(yùn)行我們的模型,例如大型天氣巡天望遠(yuǎn)鏡 (LSST),它將更廣泛、更深入地探測宇宙區(qū)域以前從未探索過。
新的最先進(jìn)的望遠(yuǎn)鏡使天文學(xué)家能夠比以往任何時(shí)候都更廣泛和更深入地觀察,例如研究宇宙的大尺度結(jié)構(gòu)并繪制其大量未被發(fā)現(xiàn)的內(nèi)容。
通過自動(dòng)化發(fā)現(xiàn)過程,科學(xué)家可以快速掃描圖像集,并以最少的人工交互返回精確的預(yù)測。這對(duì)于將來分析數(shù)據(jù)至關(guān)重要。即將進(jìn)行的 LSST 巡天(將于 2021 年上線)將對(duì)整個(gè)南半球的天空進(jìn)行成像,估計(jì)每晚產(chǎn)生 15 TB 的數(shù)據(jù)。
“深度學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)將幫助我們分析現(xiàn)代望遠(yuǎn)鏡的巨大輸出”,John Stott 博士(Chan 的博士生導(dǎo)師)說?!拔覀兿M覀兊姆椒軌蛘业娇茖W(xué)界從未見過的數(shù)千個(gè)星團(tuán)。”
遠(yuǎn)距離觀鳥:令人驚嘆的新型 AI 攝像頭系統(tǒng)可針對(duì)特定行為
生物記錄是一種涉及將小型輕型攝像機(jī)和/或其他數(shù)據(jù)收集設(shè)備安裝到野生動(dòng)物身上的技術(shù)。然后,該系統(tǒng)允許研究人員以最小的干擾觀察該動(dòng)物生活的各個(gè)方面,例如它的行為和社會(huì)互動(dòng)。
然而,到目前為止,這些高成本生物記錄系統(tǒng)所需的相當(dāng)長的電池壽命已被證明是有限的?!坝捎诟街谛?dòng)物身上的生物記錄器必須小巧輕便,它們的運(yùn)行時(shí)間很短,因此很難記錄有趣的罕見行為,”研究通訊作者 Takuya Maekawa 解釋道。
“我們開發(fā)了一種新的配備人工智能的生物記錄設(shè)備,使我們能夠根據(jù)來自加速度計(jì)和地理定位系統(tǒng) (GPS) 等低成本傳感器的數(shù)據(jù)自動(dòng)檢測和記錄感興趣的特定目標(biāo)行為?!? 然后,低成本傳感器將高成本傳感器(例如攝像機(jī))的使用限制在它們最有可能捕獲特定目標(biāo)行為的時(shí)間段內(nèi)。
將這些系統(tǒng)與機(jī)器學(xué)習(xí)技術(shù)結(jié)合使用,可以將昂貴傳感器的數(shù)據(jù)收集直接集中在有趣但不常見的行為上,從而大大增加檢測到這些行為的可能性。
新的人工智能輔助攝像機(jī)系統(tǒng)在日本沿海島嶼的自然環(huán)境中對(duì)黑尾鷗和條紋海鷗進(jìn)行了測試?!芭c隨機(jī)抽樣方法相比,新方法對(duì)黑尾鷗覓食行為的檢測提高了 15 倍,”主要作者 Joseph Korpela 說?!霸跅l紋海鷗中,我們應(yīng)用了基于 GPS 的人工智能系統(tǒng)來檢測這些鳥類的特定局部飛行活動(dòng)。基于 GPS 的系統(tǒng)的精度為 0.59——遠(yuǎn)高于涉及切換的周期性采樣方法的 0.07攝像頭每 30 分鐘打開一次。”
未來使用配備人工智能的生物記錄器有許多潛在的應(yīng)用,尤其是系統(tǒng)本身的進(jìn)一步發(fā)展?!斑@些系統(tǒng)具有廣泛的可能應(yīng)用,包括使用反偷獵標(biāo)簽檢測偷獵活動(dòng),”前川說。“我們還預(yù)計(jì)這項(xiàng)工作將被用來揭示人類社會(huì)與傳播冠狀病毒等流行病的野生動(dòng)物之間的相互作用。”