Tech

AI นี้สามารถทำนายลำดับความสำคัญทางวิทยาศาสตร์ได้ 10 ปีถ้าเราปล่อยให้มัน

ทุกๆ 10 ปี นักดาราศาสตร์ชาวอเมริกันต้องตัดสินใจเรื่องยากๆ บางอย่าง ระบุไว้ในแผนที่เรียกว่า การสำรวจ Decadal เกี่ยวกับดาราศาสตร์และฟิสิกส์ดาราศาสตร์ ซึ่งเป็นชุดการศึกษาที่ผลิตโดย National Academies of Sciences, Engineering และ Medicine การตัดสินใจเหล่านี้เป็นตัวกำหนดต่อไป ลำดับความสำคัญทางวิทยาศาสตร์ของทศวรรษสำหรับสาขานี้

การสำรวจ Decadal ได้กำหนดขั้นตอนสำหรับการก้าวกระโดดครั้งใหญ่ในการสำรวจอวกาศตั้งแต่ช่วงต้นทศวรรษ 1960 รายงานฉบับที่เจ็ดที่เรียกว่า Astro2020 คาดว่าจะมีขึ้นในปลายเดือนนี้ ชุมชนวิทยาศาสตร์ สถาบันการระดมทุน และแม้แต่สภาคองเกรสอ้างถึงรายงานเหล่านี้เพื่อตัดสินใจว่าจะลงทุนเวลาและเงินที่ใด

รายงานก่อนหน้านี้ได้ประกาศโครงการสำคัญๆ ซึ่งรวมถึงการก่อสร้างและการเปิดตัวกล้องโทรทรรศน์อวกาศขนาดใหญ่ และการศึกษาปรากฏการณ์สุดขั้ว เช่น ซุปเปอร์โนวาและหลุมดำ รายงานฉบับล่าสุดมีชื่อว่า

Astro2010 ได้เจาะลึกถึงธรรมชาติของพลังงานมืด

เนื่องจาก Decadal Survey เป็นการศึกษาฉันทามติ นักวิจัยที่ต้องการให้โครงการของตนได้รับการพิจารณาจะต้องส่งข้อเสนอล่วงหน้ามากกว่าหนึ่งปี ข้อเสนอทั้งหมดได้รับการพิจารณา และข้อเสนอทั้งหมด (จำนวนมากกว่า 500 ในครั้งนี้) มีให้สำหรับ สาธารณะ

ในปีนี้ หัวข้อที่อภิปรายมีตั้งแต่การสำรวจดวงจันทร์ของดาวพฤหัสบดีไปจนถึงการปลอมแปลงกลยุทธ์การป้องกันดาวเคราะห์ หนึ่งครั้งใน 1,000 ปี เหตุการณ์เช่นการบินผ่านของดาวเคราะห์น้อยขนาดใหญ่ชื่อ Apophis. ในขณะเดียวกันนักวิจัยบางคนต้องการที่จะมองอย่างใกล้ชิดที่จุดสีน้ำเงินซีด ของเราเอง.

คณะกรรมการสำรวจซึ่งได้รับข้อมูลจากกลุ่มความคิดเห็นที่มีขนาดเล็กกว่า จะพิจารณาข้อมูลจำนวนมหาศาลเพื่อสร้างกลยุทธ์การวิจัย แม้ว่า Academies จะไม่เผยแพร่คำแนะนำสุดท้ายของคณะกรรมการให้กับ NASA ในอีกไม่กี่สัปดาห์ข้างหน้า แต่นักวิทยาศาสตร์ก็อยากรู้ว่าคำถามใดของพวกเขาที่จะเข้าร่วมและคำถามใดจะถูกละทิ้ง

“การสำรวจ Decadal ช่วยให้ NASA ตัดสินใจว่าพวกเขาจะเป็นผู้นำอนาคตของการค้นพบมนุษย์ในอวกาศได้อย่างไร ดังนั้นจึงเป็นเรื่องสำคัญจริงๆ ที่พวกเขาจะได้รับแจ้ง” Brant Robertson ศาสตราจารย์ด้านดาราศาสตร์และฟิสิกส์ดาราศาสตร์ที่ UC Santa Cruz

นักวิจัยทีมหนึ่งต้องการใช้ปัญญาประดิษฐ์เพื่อทำให้กระบวนการนี้ง่ายขึ้น ข้อเสนอของพวกเขาไม่ได้มีไว้สำหรับภารกิจเฉพาะหรือแนวคำถาม ค่อนข้างที่พวกเขากล่าวว่า AI ของพวกเขาสามารถช่วยนักวิทยาศาสตร์ในการตัดสินใจที่ยากลำบากเกี่ยวกับข้อเสนออื่น ๆ ที่จะจัดลำดับความสำคัญ

แนวคิดก็คือการฝึกอบรม AI ให้ระบุพื้นที่การวิจัยที่กำลังเติบโตหรือลดลงอย่างรวดเร็ว เครื่องมือนี้จะช่วยให้คณะกรรมการสำรวจและคณะผู้วิจัยตัดสินใจได้ง่ายขึ้นว่าควรทำอย่างไร รายการ.

“สิ่งที่เราต้องการคือการมีระบบที่ทำงานได้มากอย่างที่ Decadal Survey ทำ และให้นักวิทยาศาสตร์ที่ทำงานเกี่ยวกับ Decadal Survey ทำในสิ่งที่พวกเขาต้องการ ดีที่สุด” Harley Thronson นักวิทยาศาสตร์อาวุโสที่เกษียณอายุแล้วที่ Goddard Space Flight Center ของ NASA และผู้เขียนนำ กล่าว ของข้อเสนอ

ถึงแม้ว่าสมาชิกของคณะกรรมการแต่ละคณะจะได้รับเลือกจากความเชี่ยวชาญในสาขาของตน แต่สมาชิกทุกคนจะเข้าใจความแตกต่างของหัวข้อทางวิทยาศาสตร์แต่ละหัวข้อไม่ได้ จำนวนสิ่งพิมพ์ทางดาราศาสตร์ฟิสิกส์เพิ่มขึ้น 5% ทุกปีตามที่ผู้เขียนกล่าว นั่นเป็นจำนวนมากสำหรับทุกคนในการประมวลผล

นั่นคือที่มาของ AI ของ Thronson

ใช้เวลาเพียงหนึ่งปีในการสร้าง แต่ในที่สุด ทีมของ Thronson ก็สามารถ ฝึกฝนกับงานวิจัยมากกว่า 400,000 ชิ้นที่ตีพิมพ์ในทศวรรษที่ผ่านมาซึ่งนำไปสู่การสำรวจ Astro2010 พวกเขายังสามารถสอน AI ให้กรองบทคัดย่อนับพันเพื่อระบุทั้งส่วนที่มีผลกระทบต่ำและสูงจากวลีหัวข้อสองและสามคำเช่น “ระบบดาวเคราะห์” หรือ “ดาวเคราะห์นอกระบบ”

จากรายงานของนักวิจัย AI ประสบความสำเร็จในการ “backcast” หัวข้อการวิจัยยอดนิยม 6 หัวข้อในช่วง 10 ปีที่ผ่านมา ซึ่งรวมถึงการเพิ่มขึ้นของอุตุนิยมวิทยาในการวิจัยดาวเคราะห์นอกระบบและการสังเกตการณ์กาแลคซี

“แง่มุมที่ท้าทายอย่างหนึ่งของปัญญาประดิษฐ์ก็คือบางครั้งพวกมันจะทำนาย หรือคิดขึ้นมา หรือวิเคราะห์สิ่งที่มนุษย์ประหลาดใจอย่างสิ้นเชิง” ธรอนสันกล่าว “และเราเห็นสิ่งนี้บ่อยมาก”

Thronson และผู้ทำงานร่วมกันคิดว่าคณะกรรมการกำกับควรใช้ AI เพื่อช่วยตรวจสอบและสรุปข้อความจำนวนมหาศาลที่คณะกรรมการต้องกลั่นกรอง โดยปล่อยให้ผู้เชี่ยวชาญที่เป็นมนุษย์เป็นผู้ดำเนินการสายสุดท้าย

งานวิจัยของพวกเขาไม่ใช่คนแรกที่พยายามใช้ AI เพื่อวิเคราะห์และกำหนดรูปแบบวรรณกรรมทางวิทยาศาสตร์ มีการใช้ AI อื่นแล้ว เพื่อช่วยนักวิทยาศาสตร์ตรวจสอบ เพื่อนร่วมงานของพวกเขา

แต่งานที่สำคัญและมีอิทธิพลพอๆ กับ Decadal Survey ไว้ใจได้ไหม?

Robertson ที่ UC Santa Cruz ตกลงว่าการวิจัยจำนวนมหาศาลของดาราศาสตร์ควรได้รับการจัดทำเป็นหมวดหมู่ในทางใดทางหนึ่ง แต่เขาบอกว่าแม้ว่าแนวคิดในการใช้ AI เพื่อช่วยในการสำรวจ Decadal นั้นน่าสนใจ แต่ก็ยังเร็วเกินไปที่จะบอกว่าเป็นสิ่งที่นักวิทยาศาสตร์ควรพึ่งพา

“ฉันคิดว่ามีข้อควรระวังที่สำคัญบางประการเกี่ยวกับวิธีที่เราใช้ประโยชน์จากการเรียนรู้ของเครื่อง” โรเบิร์ตสันกล่าว ปัญหาที่ใหญ่ที่สุดประการหนึ่งของ AI คือมนุษย์เข้าใจอัลกอริทึมและผลลัพธ์ได้ดีเพียงใด ในกรณีนี้ทีมงานสามารถบอกได้ ว่าทำไม ถึงเป็น AI ได้เลือกระหว่างสองหัวข้อที่แยกจากกันแต่คล้ายกันหรือไม่?

และมนุษย์สามารถสรุปได้เช่นเดียวกันหรือไม่?

“ในฐานะนักวิทยาศาสตร์ เราสร้างชื่อเสียงว่างานของเราถูกต้องหรือถูกต้องหรือไม่ ดังนั้นฉันจึงคิดว่ามันสมเหตุสมผลที่ผู้คนจะใช้เกณฑ์ประเภทเดียวกันนี้สำหรับผลลัพธ์จากอัลกอริธึมการเรียนรู้ด้วยเครื่องที่ซับซ้อนเหล่านี้” โรเบิร์ตสันกล่าว

Thronson และทีมงานของเขายังไม่ได้พยายามทำนายผลการสำรวจในปีนี้ แต่พวกเขากำลังมุ่งเน้นไปที่การกำหนดว่าพื้นที่ใหญ่ต่อไปทางดาราศาสตร์อยู่ที่ไหน

เครื่องมืออัตโนมัติน่าจะยังไม่ถูกใช้ใน Decadal Surveys ในอีกไม่กี่ปีข้างหน้า แต่ถ้าคณะกรรมการสำรวจตัดสินใจที่จะรวม AI เข้ากับกระบวนการ นั่นจะเป็นวิธีใหม่สำหรับนักวิทยาศาสตร์ในการบรรลุข้อตกลงในเป้าหมายของตนเอง

สำหรับตอนนี้ ธรอนสัน โรเบิร์ตสัน และนักดาราศาสตร์อีกหลายพันคนจะต้องรอดูว่าจะเป็นอย่างไรต่อไป—วิธีล้าสมัย

บ้าน ธุรกิจ การดูแลสุขภาพ
ไลฟ์สไตล์

  • เทค
  • โลก

  • อาหาร
  • เกม
  • การท่องเที่ยว

    Leave a Reply

    Your email address will not be published.

    Back to top button