Naukowcy nauczyli się programu sztucznej inteligencji (AI), który służy do rozpoznawania twarzy na Facebooku, do identyfikacji galaktyk w przestrzeni kosmicznej. W rezultacie w projekcie pojawił się ClaRAN, skanujący zdjęcia z radioteleskopów. Głównym zadaniem jest wykrywanie galaktyk radiowych - źródeł o potężnych stacjach radiowych z centralnych supermasywnych czarnych dziur. Uważa się, że duże czarne dziury znajdują się w środku większości galaktyk (być może wszystkie).
Okresowo supermasywne czarne dziury uwalniają dżety mocowane przez radioteleskopy. Z czasem są w stanie dotrzeć daleko od swoich rodzimych galaktyk, co utrudnia znalezienie dokładnego źródła tradycyjnych programów. Dlatego ClaRAN przejmuje kontrolę.
14 prognoz galaktyk radiowych z ClaRAN wykonano podczas skanowania danych radiowych i podczerwonych. Wszystkie prognozy są tworzone z wysokim poziomem „zaufania”. Pewność 1,00 wskazuje, że ClaRAN jest niezwykle pewny, że jest systemem galaktyk radiowych, a jego klasyfikacja pozostaje prawidłowa
Początkowo program był używany do wykrywania obiektów w Microsoft i Facebook. Ale został całkowicie przerobiony i dostrojony, aby szukać galaktyk zamiast ludzi. ClaRAN jest dostępny jako open source.
Łącząc dane z różnych teleskopów, wzrasta poziom pewności ClaRAN w wykrywaniu i klasyfikacji. Pewność na poziomie 1,00 wskazuje, że program jest przekonany, że znalezione źródło to galaktyka radiowa. Po lewej stronie znajduje się galaktyka radiowa znaleziona przez ClaRAN przy użyciu wskaźników radioteleskopu (prognoza - 0,53 i 0,63). Po prawej - ta sama galaktyka, ale z dodatkiem danych z teleskopu IR (pewność - 1,00)
Nadchodzące badania z wykorzystaniem australijskiego interferometru radiowego ASCAP pokażą do 70 milionów galaktyk. Tradycyjne algorytmy komputerowe są w stanie poprawnie zidentyfikować tylko 90% źródeł. Oznacza to, że 10% lub 7 milionów złożonych galaktyk zostanie zignorowanych, jeśli nie podłączysz ClaRAN. Do programów treningowych wykorzystano precyzyjny katalog galaktyk.
Nowa generacja programistów spędza 99% czasu na tworzeniu zestawów danych lepszej jakości, a następnie szkolą algorytmy sztucznej inteligencji w celu optymalizacji danych. To jest przyszłość programowania. Jeśli uda nam się wprowadzić te zaawansowane metody do teleskopów nowej generacji, można zmaksymalizować naukę.
