AI กำลังช่วยนักดาราศาสตร์ค้นพบดาวดวงใหม่

เราได้เห็นเทคโนโลยีทางด้าน AI ที่กำลังก้าวไปข้างหน้าอย่างรวดเร็ว ทั้งรถที่ขับเคลื่อนได้อัติโนมัติ หรือ AlphaGo ที่สามารถเล่นเกมโกะ ชนะมนุษย์ได้ แต่มีอีกศาสตร์แขนงหนึ่งที่กำลังน่าสนใจที่นำ AI มาช่วยคือ AI กำลังมาช่วยเหล่านักดาราศาสตร์แก้ปัญหาเรื่องความลึกลับของจักรวาลของเรา

แรกเริ่มนั้น AI ถูกใช้ในภารกิจในการค้นหาดาวเคราะห์นอกระบบสุริยะ ซึ่งหนึ่งในนั้นคือภารกิจของ Nasa Kepler Mission ในการนำเครื่องมือ Kepler-90 Solar system ไปยังดาวเคราะห์ 8 ดวง ซึ่งพบว่าในระบบสุริยะที่พบนั้นมีหนึ่งในนั้นรูปแบบคล้ายกับโลกมนุษย์เรา

ซึ่งดาวเคราะห์นอกระบบสุริยะส่วนใหญ่นั้นจะถูกค้นพบโดยใช้วิธีการที่เรียกว่า transit method โดยจะใช้กล้องโทรทรรศน์ชี้ไปที่ดวงดาวที่ศึกษาโดยจะใช้เวลาช่วงหนึ่งซึ่งยาวนานพอสมควร ซึ่งจะทำให้เหล่านักดาราศาสตร์สามารถมองเห็นส่วนมืดส่วนนึงปรากฏอยู่เมื่อดาวดังกล่าวเคลื่อนที่มาปรากฏตรงหน้า

และแทนที่จะใช้การมองภาพดังกล่าว การปรากฏตัวของดาวเคราะห์ดวงใหม่ ๆ นั้นมีแนวโน้มที่จะถูกค้นพบโดยการศึกษาจากข้อมูลจำนวนมากที่ได้จากกล้องโทรทรรศน์ ซึ่งเกี่ยวข้องกับความสว่างของภาพ ซึ่งเมื่อระบบสุริยะนั้นมีดาวเคราะห์มากกว่า 1 ดวง การเกิดรูปแบบนี้นั้นก็จะมีความซับซ้อนมากยิ่งขึ้น และทำให้สามารถที่จะคำนวณขนาดของมวล รวมถึงระยะห่างระหว่างดาวเคราะห์ ผ่านความซับซ้อนเหล่านี้ได้

ซึ่งรูปแบบ pattern เหล่านี้นั้น เดิมใช้ความเชี่ยวชาญของนักดาราศาสตร์ในการวิเคราะห์ แต่งานเหล่านี้ในปัจจุบันสามารถที่จะใช้ระบบ computer เพื่อมาช่วยในการวิเคราะห์ให้มีประสิทธิภาพที่มากขึ้น

When a planet crosses in front of its star as viewed by an observer, the event is called a transit. Transits by terrestrial planets produce a small change in a star’s brightness of about 1/10,000 lasting for 2 to 16 hours. Credit NASA

 

เช่นเดียวกันงานส่วนใหญ่ที่เกี่ยวข้องกับข้อมูลที่มีความซับซ้อน Machine Learning นั้นสามารถที่จะช่วยเหลือในงานรูปแบบดังกล่าวได้ ดังที่ได้กล่าวมาในหลาย ๆ blog ก่อนหน้านี้ ซึ่งในการค้นพบครั้งล่าสุดนั้นนักวิจัยได้ทำการนำข้อมูลที่เกี่ยวข้องกับภาพทางดาราศาสตร์ของระบบสุริยะมาทำการ Train ผ่าน Machine Learning เพื่อตรวจหาจุดเล็ก ๆ บนความสว่างเหล่านี้ที่ไม่เคยได้พบเห็นมาก่อน

ซึ่งการทำงานร่วมกันของ Christopher Shallue วิศวกรของ google และ Andrew Vanderburg นักดาราศาสตร์แห่ง University of Texas,Austin ได้ทำการใช้ Machine Learning เพื่อที่จะเรียนรู้วิธีในการระบุดาวเคราะห์นอกระบบสุริยะ ที่ได้ทำการบันทึกภาพผ่านเครื่องมืออย่าง Kepler โดยพวกเค้าได้ใช้ สัญญาณกว่า 15,000 แบบในการ train โดยใช้ Neural network ซึ่งเป็นรูปแบบการทำงานที่เลียนแบบการทำงานของสมอง ซึ่งจะเห็นได้ว่า จะใช้รูปแบบการทำงานคล้ายกับที่ผมเคยทำวิจัยในเรื่อง Machine Learning กับการวิเคราะห์มะเร็งเต้านม  ซึ่งในงานวิจัยมะเร็งนั้น จะทำการหาจุดขาวผ่านภาพ Xray Digital Mammogram โดยผ่านการ train โดยใช้ Machine Learning เหมือนกัน แต่ในส่วนของการค้นหาดาวเคราะห์นั้น จะเป็นการหาจุดมืด ที่อยู่บนความสว่างของภาพดังรูปข้างต้น

โดยหลังจากทำการทดลองนั้นพบว่าระบบ Neural Network ของ Shallue มีความแม่นยำในการระบุดาวเคราะห์สูงถึง 96% แม้ว่าอาจจะมีความผิดพลาดอยู่บ้าง แต่ก็สามารถที่จะระบุได้ถึงดาวเคราะห์จริง ๆ ได้เป็นจำนวนมากเช่นกัน เช่น กลุ่มดาว 8 ดวงของ Kepler-90i ซึ่งอยู่ห่างจากโลกเราประมาณ 2,545 ปีแสง ซึ่งการใช้เทคโนโลยีทางด้าน AI เข้ามาช่วยเหลือนั้น ก็ถือว่าเป็นนวัตกรรมใหม่ในวงการดาราศาสตร์ ที่จะช่วยเหลือเหล่านักวิจัย รวมถึงนักดาราศาตร์ในอนาคตข้างหน้า ให้ช่วยไขความลับบางอย่างของจักรวาลที่ยังไม่สามารถหาคำตอบได้ ณ จนถึงปัจจุบัน

Artist’s impression of Planet Nine. Credit Tom Ruen/ESO

จากการค้นหากลุ่มดาว planet nine  ซึ่งเป็นกลุ่มดาวลึกลับที่คาดการณ์ว่าจะอยู่นอกสุดของระบบสุริยะของเรา ซึ่งแม้ว่าการปรากฏตัวของกลุ่มดาวดังกล่าวยังไม่ไดัรับการยืนยัน แต่ Andrew Vanderburg ได้กล่าวไว้ว่า Machine Learning นั้นจะสามารถช่วยหากลุ่มดาว planet nine ได้อย่างแน่นอน แม้กลุ่มดาวดังกล่าวยังไม่ได้รับการอธิบายที่ดีพอจากทฤษฏีอื่น ๆ ก่อนหน้านี้

หนึ่งในนวัตกรรมที่สำคัญที่สุดของ Machine Learning ที่เกี่ยวข้องกับดาราศาสตร์ คือ ความสามารถในการระบุวัตถุ หรือ จุด ที่น่าสนใจผ่านข้อมูลขนาดใหญ่ที่มีการเก็บข้อมูลมาอย่างยาวนาน ซึ่งในปี 2015 ได้มี paper ทางวิชาการ ที่กลุ่มนักดาราศาสตร์ได้เริ่มใช้ AI เพื่อค้นหากลุ่มดาว planet nine หรือวัตถุอื่นๆ  ในระบบสุริยะที่ยังไม่สามารถหาคำตอบได้ ซึ่งสิ่งนึงที่เราสามารถรู้ได้อย่างแน่นอนในตอนนี้นั้นในด้านดาราศาสตร์นั้น AI กำลังเข้ามามีบทบาที่สำคัญ และอาจจะทำให้เกิดการค้นพบครั้งยิ่งใหญ่ในเร็ววันนี้ก็เป็นไปได้ คำตอบของจักรวาลที่เรายังไม่รู้ อาจจะสามารถหาคำตอบได้ผ่านเครื่องมือใหม่ ๆ เหล่านี้ในอนาคตอันใกล้นี้

References : www.wired.co.uk