Oksford Universiteti tərəfindən

Stefani Baum tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriEyni keçid üç sorğuda Pan-STARRS (yuxarı), MeerLICHT (orta) və ATLAS (aşağı) uyğun cərgələrlə göstərilir. Hər bir sıra soldan sağa Yeni, İstinad və Fərq şəkillərini təqdim edir. Qırmızı dairələr hər möhürün mərkəzində müvəqqəti namizədin gözlənilən mövqeyini qeyd edir. Bütün möhürlər 100×100 pikseldir, lakin onların bucaq səmasının əhatə dairəsi sorğuya aid piksel miqyasına görə fərqlənir: Pan-STARRS 0,25″/piksel, MeerLICHT 0,56″/piksel və ATLAS 1,86″/piksel. Kredit: Təbiət Astronomiyası (2025). DOI: 10.1038/s41550-025-02670-z

Oksford Universiteti və Google Cloud-un birgə apardığı yeni araşdırma, ümumi təyinatlı süni intellektin gecə səmasında real dəyişiklikləri – partlayan ulduz, ötüb keçən ulduzu parçalayan qara dəlik, sürətlə hərəkət edən asteroid və ya yığcam ulduz sistemindən qısa ulduz parlaması kimi necə dəqiq təsnif edə biləcəyini göstərdi və mürəkkəb təlimə ehtiyac olmadan izah edə bildi.

Təbiət Astronomiyasında nəşr olunan Oksford Universiteti, Google Bulud və Radboud Universitetinin tədqiqatçıları tərəfindən aparılan araşdırma göstərir ki, ümumi təyinatlı böyük dil modeli (LLM) – Google-un Əkizləri – minimal rəhbərliklə astronomiya üzrə mütəxəssis köməkçisinə çevrilə bilər.

Cəmi 15 nümunə şəkil və sadə təlimatlar toplusundan istifadə edərək, Əkizlər təxminən 93% dəqiqliklə real kosmik hadisələri təsvir artefaktlarından ayırmağı öyrəndi. Ən başlıcası, süni intellekt həm də hər təsnifat üçün sadə ingiliscə izahat təqdim etdi – bu, süni intellektlə idarə olunan elmi daha şəffaf və etibarlı etmək və kütləvi təlim verilənlər bazası və ya AI proqramlaşdırmasında dərin təcrübə tələb etməyən əlçatan alətlərin yaradılması istiqamətində mühüm addımdır.

Oksford Universitetinin Fizika Departamentindən həmmüəllif, həmsədr Fiorenzo Stoppa deyib: “Bir neçə nümunə və aydın mətn təlimatlarının belə dəqiqliyi təmin edə bilməsi təəccüblüdür”. “Bu, geniş spektrli alimlərə neyron şəbəkələri öyrətməkdə dərin təcrübə olmadan öz təsnifatlandırıcılarını inkişaf etdirməyə imkan verir – yalnız bir yaratmaq istəyi.”

Google Cloud-dan həmmüəllif Turan Bulmus, “Formal astronomiya təhsili olmayan biri kimi, bu tədqiqat inanılmaz dərəcədə həyəcanlıdır” dedi. “Bu, ümumi təyinatlı LLM-lərin elmi kəşfləri necə demokratikləşdirə biləcəyini nümayiş etdirir , maraqlı olan hər kəsə ənənəvi bilikləri olmayan sahələrə mənalı töhfə vermək imkanı verir. Bu, əlçatan AI-nin elmi tədqiqatlardakı maneələri aradan qaldırmaq gücünə sübutdur.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1751428779&adf=308666314&pi=t.ma~as.8188791252&w=540&fwrn=4&fwrnh=0&lmt=1759923074&rafmt=1&armr=3&format=540×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-10-ai-advance-astronomers-cosmic-events.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQwLjAuNzMzOS4yMDgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxNDAuMC43MzM5LjIwOCJdLFsiTm90PUE_QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjE0MC4wLjczMzkuMjA4Il1dLDBd&abgtt=6&dt=1759923074158&bpp=1&bdt=416&idt=48&shv=r20251006&mjsv=m202510020101&ptt=9&saldr=aa&abxe=1&cookie=ID%3De2af2bea6b3e2e90%3AT%3D1735548424%3ART%3D1759922946%3AS%3DALNI_MZIaWdAh-lthHlhpkWN2g6ZC7xT8A&gpic=UID%3D00000f8412a58936%3AT%3D1735548424%3ART%3D1759922946%3AS%3DALNI_MaJ_6ILTTPz6uEc3lU2rNf9ZPgQbA&eo_id_str=ID%3D87e2ccb6da8adec8%3AT%3D1751372215%3ART%3D1759922946%3AS%3DAA-AfjZUvMhCDRLD_DCppu51g7Xx&prev_fmts=0x0&nras=1&correlator=1763158195510&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=2117&biw=1521&bih=730&scr_x=0&scr_y=0&eid=31094978%2C31095050%2C31095054%2C31095056%2C31095080%2C31095081%2C95370628%2C95372358%2C95372729%2C95344787%2C95368093&oid=2&pvsid=2175129476899382&tmod=911030350&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=481x574_l%7C481x574_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=284

Səs-küy kainatında nadir siqnallar

Müasir teleskoplar amansızlıqla səmanı skan edir və hər gecə potensial dəyişikliklər haqqında milyonlarla xəbərdarlıq yaradır. Bunların bəziləri partlayan ulduzlar kimi həqiqi kəşflər olsa da, böyük əksəriyyəti peyk izləri, kosmik şüaların vurması və ya digər instrumental artefaktların yaratdığı “saxta” siqnallardır.

Ənənəvi olaraq, astronomlar bu məlumatları filtrləmək üçün xüsusi maşın öyrənmə modellərinə etibar edirlər. Bununla belə, bu sistemlər çox vaxt “qara qutu” kimi işləyir, məntiqini izah etmədən sadə “real” və ya “saxta” etiket verir. Bu, alimləri ya nəticəyə kor-koranə etibar etməyə, ya da minlərlə namizədi əl ilə yoxlamaq üçün saysız-hesabsız saatlar sərf etməyə məcbur edir – bu, hər 24 saatda təxminən 20 terabayt məlumat çıxaracaq Vera C. Rubin Rəsədxanası kimi gələcək nəsil teleskoplarla mümkün olmayacaq.

Tədqiqat qrupu sadə bir sual verdi: Mətn və şəkilləri birlikdə başa düşmək üçün nəzərdə tutulmuş Əkizlər kimi ümumi təyinatlı, multimodal süni intellekt təkcə ixtisaslaşmış modellərin dəqiqliyinə uyğun gəlmir, həm də gördüklərini izah edə bilərmi?

Komanda LLM-ə üç əsas səma tədqiqatının (ATLAS, MeerLICHT və Pan-STARRS) hər biri üçün yalnız 15 etiketli nümunə təqdim etdi. Hər bir nümunəyə yeni xəbərdarlığın kiçik təsviri, eyni səma parçasının istinad şəkli və dəyişikliyi vurğulayan “fərq” təsviri, qısa ekspert qeydi daxildir. Yalnız bu bir neçə çəkiliş nümunələri və qısa təlimatları rəhbər tutaraq, model daha sonra etiket (real/saxta), prioritet xal və qərarının qısa, oxunaqlı təsvirini təmin edərək minlərlə yeni xəbərdarlıqları təsnif etdi.Əkizlər hər namizəd üçün üç təsvirdən istifadə edir: Yeni (ehtimal keçicini göstərən ən son elm çərçivəsi), İstinad (göyün eyni hissəsinin əvvəlki və ya yığılmış şablonu) və Fərq (hər hansı keçici siqnalı təcrid edən yeni mənfi istinad). Hər üçlükdən Əkizlər üç nəticə qaytarır: (1) real/saxta təsnifat (astrofiziki mənbəyə qarşı artefakt), (2) gözə çarpan təsvir xüsusiyyətlərini və qərarın əsas səbəblərini təsvir edən qısa mətn izahı və (3) astronomlara sürətli işarələmə üçün sonrakı prioritetləri göstərən maraq balı. Kredit: Təbiət Astronomiyası (2025). DOI: 10.1038/s41550-025-02670-z

Gündəlik anlayışlar üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosda ən son yenilikləri kəşf edin . Pulsuz xəbər bülleteni üçün qeydiyyatdan keçin və mühüm nailiyyətlər, yeniliklər və tədqiqatlar haqqında gündəlik və ya həftəlik yeniləmələr əldə edin .

Döngədə insan: nə vaxt kömək istəməli olduğunu bilən AI

Tədqiqatın əsas komponenti AI-nin izahatlarının keyfiyyətini və faydalılığını yoxlamaq idi. Komanda süni intellektin təsvirlərini nəzərdən keçirmək üçün 12 astronomdan ibarət bir panel topladı və onlar onları yüksək ardıcıl və faydalı kimi qiymətləndirdilər.

Üstəlik, paralel testdə komanda Əkizlərin öz cavablarını nəzərdən keçirməsini və hər birinə uyğunluq balı təyin etməsini tapşırdı. Onlar aşkar etdilər ki, modelin inamı onun dəqiqliyinin güclü göstəricisidir: aşağı ardıcıllıqlı çıxışların səhv olma ehtimalı daha yüksəkdir. Bu özünüqiymətləndirmə qabiliyyəti etibarlı “insan-in-the-loop” iş axını qurmaq üçün vacibdir. Öz qeyri-müəyyən hallarını insanların nəzərdən keçirilməsi üçün avtomatik olaraq qeyd etməklə, sistem astronomların diqqətini ən çox ehtiyac duyulan yerə yönəldə bilər.

İlkin nümunələri təkmilləşdirmək üçün bu özünü korreksiyadan istifadə edərək, komanda bir verilənlər bazasında modelin performansını ~93,4%-dən ~96,7%-ə qədər təkmilləşdirərək sistemin insan ekspertləri ilə əməkdaşlıqda necə öyrənə və təkmilləşdirə biləcəyini nümayiş etdirdi.

Həmmüəllif Professor Stiven Smartt (Oksford Universitetinin Fizika Departamenti) dedi: “Mən 10 ildən artıqdır ki, səma anketlərindən əldə edilən məlumatların sürətlə işlənməsi problemi üzərində işləyirəm və biz məlumatların emalı zamanı saxta siqnallardan real hadisələri silməklə daim əziyyət çəkirik. Biz maşın öyrənmə modelləri, yeni təsvirlər yaratmaq üçün illər sərf etmişik.

“Bununla belə, LLM-nin tapşırığa xüsusi təlimdən daha çox minimal rəhbərliklə mənbələri tanımaqda dəqiqliyi diqqətəlayiq idi. Əgər biz bunu genişləndirmək üçün mühəndislik edə bilsək, bu, sahə üçün tamamilə oyun dəyişdirici, elmi kəşflərə imkan verən süni intellektin başqa bir nümunəsi ola bilər.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1751428779&adf=3984658916&pi=t.ma~as.8188791252&w=540&fwrn=4&fwrnh=0&lmt=1759923074&rafmt=1&armr=3&format=540×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-10-ai-advance-astronomers-cosmic-events.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQwLjAuNzMzOS4yMDgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxNDAuMC43MzM5LjIwOCJdLFsiTm90PUE_QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjE0MC4wLjczMzkuMjA4Il1dLDBd&abgtt=6&dt=1759923074158&bpp=1&bdt=417&idt=60&shv=r20251006&mjsv=m202510020101&ptt=9&saldr=aa&abxe=1&cookie=ID%3De2af2bea6b3e2e90%3AT%3D1735548424%3ART%3D1759922946%3AS%3DALNI_MZIaWdAh-lthHlhpkWN2g6ZC7xT8A&gpic=UID%3D00000f8412a58936%3AT%3D1735548424%3ART%3D1759922946%3AS%3DALNI_MaJ_6ILTTPz6uEc3lU2rNf9ZPgQbA&eo_id_str=ID%3D87e2ccb6da8adec8%3AT%3D1751372215%3ART%3D1759922946%3AS%3DAA-AfjZUvMhCDRLD_DCppu51g7Xx&prev_fmts=0x0%2C540x280&nras=1&correlator=1763158195510&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=4661&biw=1521&bih=730&scr_x=0&scr_y=0&eid=31094978%2C31095050%2C31095054%2C31095056%2C31095080%2C31095081%2C95370628%2C95372358%2C95372729%2C95344787%2C95368093&oid=2&pvsid=2175129476899382&tmod=911030350&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=481x574_l%7C481x574_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=3&uci=a!3&btvi=2&fsb=1&dtd=285

Sonra nə var?

Komanda bu texnologiyanı elmdə avtonom “agent köməkçiləri” üçün təməl kimi nəzərdə tutur. Belə sistemlər tək bir təsviri təsnif etməkdən daha çox şey edə bilər; onlar bir çox məlumat mənbələrini (şəkillər və parlaqlıq ölçmələri kimi) birləşdirə, öz inamlarını yoxlaya, robot teleskoplardan avtonom şəkildə izləmə müşahidələrini tələb edə və insan alimlərinə yalnız ən perspektivli və qeyri-adi kəşfləri çatdıra bildilər.

Metod yalnız kiçik nümunələr toplusunu və sadə dildə təlimatları tələb etdiyindən, o, müxtəlif sahələr üzrə yeni elmi alətlər, sorğular və tədqiqat məqsədləri üçün sürətlə uyğunlaşdırıla bilər.

“Biz elmi kəşflərin qara qutu alqoritmləri ilə deyil, şəffaf süni intellekt tərəfdaşları tərəfindən sürətləndirildiyi bir dövrə qədəm qoyuruq” dedi Google Cloud-un həmmüəllifi Turan Bulmus.

“Bu iş bizimlə öyrənən, əsaslandırmalarını izah edən və istənilən sahədə tədqiqatçılara ən vacib olana diqqət yetirmək imkanı verən sistemlərə doğru yol göstərir: növbəti böyük sualı vermək.”

Daha çox məlumat: Böyük dil modellərindən keçici təsvir təsnifatlarının mətn şərhi, Təbiət Astronomiyası (2025). DOI: 10.1038/s41550-025-02670-z

Jurnal məlumatı: Təbiət Astronomiyası 

Oksford Universiteti tərəfindən təmin edilmişdir