Oxford Üniversitesi ve Google Cloud’un ortaklaşa yürüttüğü yeni bir çalışma, genel amaçlı yapay zekanın gece gökyüzündeki gerçek değişiklikleri (örneğin patlayan bir yıldız, geçen bir yıldızı parçalayan bir kara delik, hızlı hareket eden bir asteroit veya kompakt bir yıldız sisteminden gelen kısa bir yıldız patlaması gibi) nasıl doğru bir şekilde sınıflandırabildiğini ve karmaşık bir eğitime ihtiyaç duymadan bunun gerekçesini açıklayabildiğini gösterdi.
Yayınlandığı yer Doğa AstronomiOxford Üniversitesi, Google Cloud ve Radboud Üniversitesi’nden araştırmacılar tarafından yapılan çalışma, genel amaçlı bir büyük dil modelinin (LLM) (Google’ın Gemini’si) minimum düzeyde rehberlikle uzman bir astronomi asistanına dönüştürülebileceğini gösteriyor.
Gemini, yalnızca 15 örnek görüntü ve basit bir dizi talimat kullanarak, gerçek kozmik olayları görüntüleme eserlerinden yaklaşık %93 doğrulukla ayırmayı öğrendi. En önemlisi, yapay zeka aynı zamanda her sınıflandırma için sade bir İngilizce açıklama da sağladı; bu, yapay zeka odaklı bilimi daha şeffaf ve güvenilir hale getirmenin yanı sıra çok büyük eğitim veri kümeleri veya yapay zeka programlamasında derin uzmanlık gerektirmeyen erişilebilir araçlar oluşturmaya yönelik önemli bir adımdır.
Oxford Üniversitesi Fizik Bölümü’nden eş-baş yazar Dr. Fiorenzo Stoppa, “Bir avuç örnek ve net metin talimatlarının bu kadar kesinlik sağlayabilmesi çarpıcı” dedi. “Bu, geniş bir yelpazedeki bilim adamlarının, sinir ağlarını eğitme konusunda derin bir uzmanlığa sahip olmadan, yalnızca bir tane yaratma isteği olmadan kendi sınıflandırıcılarını geliştirmelerini mümkün kılıyor.”
Google Cloud’dan eş-baş yazar Turan Bulmuş, “Resmi astronomi eğitimi olmayan biri olarak bu araştırma inanılmaz derecede heyecan verici” dedi. “Bu, genel amaçlı Yüksek Lisans’ların bilimsel keşifleri nasıl demokratikleştirebileceğini, meraklı herkesin geleneksel bir geçmişe sahip olmayabilecekleri alanlara anlamlı bir şekilde katkıda bulunmalarını sağladığını gösteriyor. Bu, erişilebilir yapay zekanın bilimsel araştırmalardaki engelleri ortadan kaldırma gücünün bir kanıtıdır.”
Gürültü evreninde nadir sinyaller
Modern teleskoplar gökyüzünü aralıksız tarayarak her gece potansiyel değişiklikler hakkında milyonlarca uyarı üretiyor. Bunlardan bazıları patlayan yıldızlar gibi gerçek keşifler olsa da, büyük çoğunluğu uydu izleri, kozmik ışın çarpmaları veya diğer araçsal eserlerin neden olduğu “sahte” sinyallerdir.
Geleneksel olarak gökbilimciler bu verileri filtrelemek için özel makine öğrenimi modellerine güveniyorlardı. Ancak bu sistemler genellikle bir “kara kutu” gibi çalışır ve mantıklarını açıklamadan basit bir “gerçek” veya “sahte” etiketi sağlar. Bu, bilim adamlarını ya körü körüne çıktılara güvenmeye ya da binlerce adayı manuel olarak doğrulamak için sayısız saatler harcamaya zorluyor; bu, Vera C. Rubin Gözlemevi gibi her 24 saatte yaklaşık 20 terabayt veri üretecek yeni nesil teleskoplarla imkansız hale gelecek.
Araştırma ekibi basit bir soru sordu: Gemini gibi metin ve görselleri birlikte anlamak için tasarlanmış genel amaçlı, çok modlu bir yapay zeka, yalnızca özel modellerin doğruluğuyla eşleşmekle kalmayıp aynı zamanda gördüklerini de açıklayabilir mi?
Ekip, LLM’ye üç büyük gökyüzü araştırmasının (ATLAS, MeerLICHT ve Pan-STARRS) her biri için yalnızca 15 etiketli örnek sağladı. Her örnek, kısa bir uzman notunun yanı sıra yeni bir uyarının küçük bir görüntüsünü, aynı gökyüzü parçasının referans görüntüsünü ve değişikliği vurgulayan bir “fark” görüntüsünü içeriyordu. Yalnızca bu birkaç örnek ve kısa talimatlarla yönlendirilen model, daha sonra binlerce yeni uyarıyı sınıflandırarak bir etiket (gerçek/sahte), bir öncelik puanı ve kararına ilişkin kısa, okunabilir bir açıklama sağladı.
Döngüdeki bir insan: Ne zaman yardım isteneceğini bilen bir yapay zeka
Çalışmanın önemli bir bileşeni yapay zekanın açıklamalarının kalitesini ve kullanışlılığını doğrulamaktı. Ekip, yapay zekanın açıklamalarını incelemek için 12 gökbilimciden oluşan bir panel oluşturdu; bu panel, bunları son derece tutarlı ve kullanışlı olarak değerlendirdi.
Dahası, paralel bir testte ekip Gemini’nin kendi cevaplarını incelemesini ve her birine bir tutarlılık puanı vermesini sağladı. Modelin güveninin, doğruluğunun güçlü bir göstergesi olduğunu keşfettiler: düşük tutarlılıktaki çıktıların hatalı olma olasılığı çok daha yüksekti. Bu öz değerlendirme yeteneği, güvenilir bir “döngüdeki insan” iş akışı oluşturmak için kritik öneme sahiptir. Sistem, kendi belirsiz durumlarını insanların incelemesi için otomatik olarak işaretleyerek gökbilimcilerin dikkatini en çok ihtiyaç duyulan yere odaklayabilir.
İlk örnekleri iyileştirmek için bu kendi kendini düzeltme döngüsünü kullanan ekip, modelin bir veri kümesindeki performansını ~%93,4’ten ~%96,7’ye yükselterek sistemin insan uzmanlarla işbirliği içinde nasıl öğrenebileceğini ve gelişebileceğini gösterdi.
Ortak yazar Profesör Stephen Smartt (Oxford Üniversitesi, Fizik Bölümü) şunları söyledi: “Gökyüzü araştırmalarından elde edilen verilerin hızlı bir şekilde işlenmesi sorunu üzerinde 10 yılı aşkın süredir çalışıyorum ve sürekli olarak veri işlemedeki sahte sinyallerden gerçek olayları ayıklamakla uğraşıyoruz. Görüntü tanıma yapmak için makine öğrenme modellerini, sinir ağlarını eğitmek için yıllarımızı harcadık.
“Ancak, Yüksek Lisans’ın göreve özel eğitim yerine minimum rehberlikle kaynakları tanıma konusundaki doğruluğu dikkat çekiciydi. Eğer bunu ölçeklendirecek şekilde mühendislik yapabilirsek, bu alanda tamamen oyun değiştirici olabilir, bilimsel keşiflere olanak sağlayan yapay zekanın başka bir örneği olabilir.”
Sırada ne var?
Ekip, bu teknolojiyi bilimdeki özerk “ajans asistanlarının” temeli olarak görüyor. Bu tür sistemler tek bir görüntüyü sınıflandırmaktan çok daha fazlasını yapabilir; birden fazla veri kaynağını (görüntüler ve parlaklık ölçümleri gibi) entegre edebilir, kendi güvenlerini kontrol edebilir, robotik teleskoplardan bağımsız olarak takip gözlemleri talep edebilir ve yalnızca en umut verici ve olağandışı keşifleri insan bilim adamlarına iletebilirler.
Yöntem yalnızca küçük bir örnek kümesi ve sade dilli talimatlar gerektirdiğinden, farklı alanlardaki yeni bilimsel araçlara, anketlere ve araştırma hedeflerine hızla uyarlanabilir.
Google Cloud’un ortak başyazarı Turan Bulmuş, “Bilimsel keşiflerin kara kutu algoritmaları tarafından değil, şeffaf yapay zeka ortakları tarafından hızlandırıldığı bir döneme giriyoruz” dedi.
“Bu çalışma, bizimle birlikte öğrenen, mantıklarını açıklayan ve herhangi bir alandaki araştırmacılara en önemli şeye, yani bir sonraki harika soruyu sormaya odaklanma gücü veren sistemlere giden yolu gösteriyor.”
