Du er logget ind

Din profil kan bruges på Berlingske.dk, Business.dk og bt.dk, der alle er en del af Berlingske Media. Du kan altid logge ud eller opdatere dine oplysninger ved at klikke på dit profilnavn.

Kunstig intelligens afsøger universets hemmeligheder

Kunstig intelligens analyserer billeder af universet ti millioner gange hurtigere end mennesker i jagten på det forvrængede lys, der fører mod universets hemmeligheder.

Vi er måske kommet nærmere svaret på de store eksistentielle spørgsmål om universet. Hvad er det, hvor gammelt er det, hvordan opstod det, er vi alene?

Vi kan ikke bare se længere ud i universet og længere tilbage til oprindelsen, nu kan vi også forstå det, vi ser, langt hurtigere. En gruppe forskere fra Stanford har accelereret vores afsøgning af universet ved at lade kunstigt intelligente neurale netværk overtage det analysearbejde, som mennesker hidtil har udført.

De neurale netværk arbejder ti millioner gange hurtigere end mennesker.

»Det analysearbejde som typisk tager eksperter uger eller måneder at gennemføre ved hjælp af stor computerkraft, kan fuldt automatiserede neurale netværk, der i princippet kan køre på en smartphone, klare på et splitsekund,« fortæller Laurence Perreault Levasseur fra Stanford i en pressemeddelelse.

Hun bliver regnet for et af de største talenter indenfor kosmologi og er en af forskerne bag resultatet, der er publiceret i Nature. Holdet bag har brugt neurale netværk til at analysere billeder fra universet af gravitationslinseeffekten, som er den effekt, der opstår, når lys fra fjerne galakser bliver forvrænget af nærmere galaksers tyngdefelt.

Forskerne bruger metoden til at få større indblik i det mystiske mørke stof, som man mener, udgør 85 procent af universet. Det kan være gennem det mørke stof, vi skal udvide vores forståelse af universet.

Hidtil har det været et trættende arbejde at gennemgå fotos fra NASAs rumteleskoper for tegn på forvrænget lys, og med tanke på, at vi konstant ser dybere ind i universet, er det afgørende at kunne analysere de enorme mængder information hurtigt.

»Vi har ikke mandskab nok til at analysere al data hurtigt nok. Med neurale netværk kan vi hurtigere få udpeget interessante objekter. Det giver os mere tid til at stille de rigtige spørgsmål om universet,« siger Perreault Levasseur.

Som at genkende en hund

Forskerne trænede de neurale netværk, der er inspirerede af den menneskelige hjerne, ved at vise dem en halv million billeder af simulerede gravitationslinseeffekter i løbet af en enkelt dag. Derefter kunne netværkene selv gennemgå billederne på en brøkdel af tiden.

»Det fantastiske er, at neurale netværk lærer sig selv, hvad de skal se efter,« fortæller Phil Marshall, der også står bag forskningen.

»Det minder om den måde børn lærer at genkende objekter. Man fortæller dem ikke præcis, hvad en hund er; man viser dem bare et billede af en hund. I dette tilfælde er det, som om de ikke bare lærer at finde billeder af hunde i en stak af billeder, de vender også tilbage med information om hundens vægt, højde og alder,« siger Phil Marshall.

Her forklarer Phil Marshall gravitationslinseeffekten

Netværkene er organiseret i lag, der sorterer billederne videre til næste lag. Sådan fortsætter det, indtil netværket er klar med sine konklusioner. De vurderer også, hvor stor usikkerhed konklusionerne er forbundet med. Forskerne brugte en supercomputer på Stanford Research Computing Center, men de kunne ifølge dem selv have gjort det på en bærbar eller en mobiltelefon.

Vi kan se, at du har installeret en adblocker, så vi ikke kan vise dig annoncer.

Det er vi kede af, fordi indtægter fra annoncer er en helt afgørende årsag til, at vi dagligt kan tilbyde dig journalistik af høj kvalitet.

For få adgang til indhold på Berlingske.dk skal du tillade visning af annoncer på Berlingske.dk. Se hvordan du gør her..

Tak for din forståelse.

Hov! Hvor blev min artikel af..!?

Du er træt af reklamer. Vi ved det godt! Men de betaler for den artikel, du sidder og læser. Vi vil derfor sætte stor pris på, at du tilføjer Berlingske.dk til din adblocker's "whiteliste".

Tak for din forståelse.