2025-10-09 14:03:07
Ти — досвідчений астрофізик, і твоє завдання — класифікувати астрономічні явища на реальні або фіктивні на основі заданого набору з 3 зображень.
🤖 "Штучний інтелект" навчили розпізнавати, класифікувати і словесно описувати космічні події буквально на кількох прикладах 🤯
Наразі переважну більшість спалахів нових та наднових, астероїди і комети відкривають за даними оглядів у напівавтоматичному режимі. Телескопи з великим полем зору (напр. ATLAS, ZTF, Pan-STARRS та ін.) регулярно фотографують небо, покриваючи усю доступну їм частину небесної сфери. При цьому, наприклад, Обсерваторія Вери Рубін, запущена влітку цього року, видає до 20 ТБ даних щоночі.
Автоматичні системи порівнюють нові зображення з минулими, шукаючи зміни на знімках. Часто при цьому застосовуються методи машинного навчання. Але все одно серед відібраних цікавих об'єктів залишається доволі багато хибно-позитивних, що потребує фінального контролю людини.
Автори опублікованої сьогодні статті залучили LLM (велику мовну модель) Gemini від Google. Визначивши персонажа як досвідченого астрофізика, вони пропонували трійки зображень: старий знімок маленького фрагменту неба, новий знімок тієї ж ділянки, а також їх різницю. Із 15 прикладів використаних для навчання, аж 9 включали різноманітні артефакти — переважно гарячі пікселі або риски від космічних променів. І тільки на 6 прикладах було показано поведінку змінних зір або наднових/нових.
Незважаючи на мізерну вибірку, Gemini навчився відрізняти реальні космічні події від артефактів з точністю ~93%, мотивуючи свій висновок і пропонуючи природу об'єкта або явища.
Всесвіт у кишені | Ми на Facebook
🤖 "Штучний інтелект" навчили розпізнавати, класифікувати і словесно описувати космічні події буквально на кількох прикладах 🤯
Наразі переважну більшість спалахів нових та наднових, астероїди і комети відкривають за даними оглядів у напівавтоматичному режимі. Телескопи з великим полем зору (напр. ATLAS, ZTF, Pan-STARRS та ін.) регулярно фотографують небо, покриваючи усю доступну їм частину небесної сфери. При цьому, наприклад, Обсерваторія Вери Рубін, запущена влітку цього року, видає до 20 ТБ даних щоночі.
Автоматичні системи порівнюють нові зображення з минулими, шукаючи зміни на знімках. Часто при цьому застосовуються методи машинного навчання. Але все одно серед відібраних цікавих об'єктів залишається доволі багато хибно-позитивних, що потребує фінального контролю людини.
Автори опублікованої сьогодні статті залучили LLM (велику мовну модель) Gemini від Google. Визначивши персонажа як досвідченого астрофізика, вони пропонували трійки зображень: старий знімок маленького фрагменту неба, новий знімок тієї ж ділянки, а також їх різницю. Із 15 прикладів використаних для навчання, аж 9 включали різноманітні артефакти — переважно гарячі пікселі або риски від космічних променів. І тільки на 6 прикладах було показано поведінку змінних зір або наднових/нових.
Незважаючи на мізерну вибірку, Gemini навчився відрізняти реальні космічні події від артефактів з точністю ~93%, мотивуючи свій висновок і пропонуючи природу об'єкта або явища.
Всесвіт у кишені | Ми на Facebook