Από τους χάρτες του πρώιμου Σύμπαντος έως τις εικόνες εκατομμυρίων γαλαξιών, η σύγχρονη Αστρονομία βασίζεται στην επεξεργασία τεράστιων όγκων παρατηρησιακών δεδομένων.
Η Τεχνητή Νοημοσύνη αποτελεί σύμμαχο των επιστημόνων στον εντοπισμό μοτίβων, στη σύγκριση των παρατηρήσεων με τις θεωρητικές προβλέψεις και στην κατανόηση της σκοτεινής ύλης, της σκοτεινής ενέργειας και της εξέλιξης του Σύμπαντος. Δύο Έλληνες επιστήμονες στον χώρο της Αστρονομίας που αξιοποιούν τις δυνατότητες της Τεχνητής Νοημοσύνης στην έρευνά τους, η Ευαγγελία Δρακοπούλου και ο Μάνος Σαριδάκης, μιλούν στο ΑΠΕ-ΜΠΕ για τα οφέλη και τις προκλήσεις από τη χρήση της στην προσπάθεια κατανόησης του Σύμπαντος, αλλά και για τον ρόλο που θα κληθεί να διαδραματίσει στο μέλλον με επίκεντρο την παραγωγή νέας γνώσης.
Το 2021, μια ομάδα ερευνητών του Εθνικού Αστεροσκοπείου Αθηνών, με επικεφαλής τον δρ Μάνο Σαριδάκη, διευθυντή Ερευνών στο Ινστιτούτο Αστρονομίας, Αστροφυσικής, Διαστημικών Εφαρμογών και Τηλεπισκόπησης, δημοσίευσε στο «International Journal of Modern Physics» μελέτη, που διερευνούσε μια διαφορετική δυνατότητα αξιοποίησης της Τεχνητής Νοημοσύνης: όχι απλώς την ανάλυση αστρονομικών δεδομένων, αλλά και τη διατύπωση νέων φυσικών θεωριών.
Συνδυάζοντας νευρωνικά δίκτυα και γενετικούς αλγόριθμους, οι ερευνητές κατάφεραν να εκπαιδεύσουν ένα σύστημα που να δημιουργεί νέες μαθηματικές μορφές φυσικών θεωριών, χωρίς να χρειάζεται να πραγματοποιεί τους πολύπλοκους και πολύμηνους μαθηματικούς υπολογισμούς που χρειάζεται να κάνουν οι άνθρωποι. Έκαναν δηλαδή ένα βήμα από την επεξεργασία δεδομένων προς την παραγωγή νέας γνώσης.
«Η Τεχνητή Νοημοσύνη έχει ήδη αλλάξει τον τρόπο με τον οποίο μελετούμε το Σύμπαν. Τα σύγχρονα τηλεσκόπια παράγουν τεράστιες ποσότητες πληροφοριών και οι αλγόριθμοι μηχανικής μάθησης μπορούν να εντοπίζουν εξωπλανήτες, να αναγνωρίζουν μακρινούς γαλαξίες, να αναλύουν σήματα βαρυτικών κυμάτων ή να αποκαλύπτουν λεπτές δομές στα δεδομένα που δύσκολα θα διέκρινε ο άνθρωπος. Μπορούν επίσης να βοηθούν στον εντοπισμό σπάνιων αστρικών εκρήξεων και στην αναζήτηση απρόσμενων φαινομένων μέσα σε εκατομμύρια παρατηρήσεις. Ωστόσο, αυτά αποτελούν κυρίως εφαρμογές επεξεργασίας και ερμηνείας παρατηρήσεων. Το επόμενο, πολύ πιο φιλόδοξο βήμα, είναι η Τεχνητή Νοημοσύνη να συμμετέχει στην ίδια τη δημιουργία νέας επιστημονικής γνώσης», τονίζει ο κ. Σαριδάκης στο ΑΠΕ-ΜΠΕ.
Ο μακροπρόθεσμος στόχος της ερευνητικής ομάδας, όπως εξηγεί ο κ. Σαριδάκης, είναι «η εκπαίδευση της Τεχνητής Νοημοσύνης ώστε να αναζητά από μόνη της νέες υποψήφιες θεωρίες βαρύτητας και στη συνέχεια να τις ελέγχουμε απέναντι στα αστρονομικά δεδομένα. Δεν έχουμε φτάσει ακόμη εκεί. Έχουμε απλά μια πρώτη απόδειξη της ιδέας, όχι ακόμα έναν “αυτόματο Αϊνστάιν”. Είναι όμως ένα πραγματικά νέο πεδίο έρευνας».
Η προοπτική αυτή συνοδεύεται όμως και από σημαντικές προκλήσεις, όπως το ζήτημα της αξιοπιστίας και της κατανόησης των αποτελεσμάτων της Τεχνητής Νοημοσύνης. «Ο ερευνητής πρέπει να μπορεί να καταλάβει γιατί μια μηχανή προτείνει μια συγκεκριμένη θεωρία και να επαληθεύσει ανεξάρτητα τα συμπεράσματά της. Γι’ αυτό δεν βλέπω την Τεχνητή Νοημοσύνη ως αντικαταστάτη του επιστήμονα, αλλά ως έναν νέο συνεργάτη, ένα εργαλείο ικανό να εξερευνά θεωρητικές δυνατότητες που μέχρι σήμερα ήταν πρακτικά απρόσιτες», αναφέρει.
Επιπλέον, η ανάπτυξη τέτοιων συστημάτων δημιουργεί κατά τον ίδιο ένα βαθύτερο ερώτημα: «Ποιος θα είναι ο ρόλος του ανθρώπου στην επιστημονική ανακάλυψη, όταν οι μηχανές θα μπορούν όχι μόνο να αναλύουν δεδομένα, αλλά και να διατυπώνουν νέες θεωρίες; Η ιστορία της Φυσικής είναι γεμάτη από επαναστατικές ιδέες που γεννήθηκαν όταν κάποιος αμφισβήτησε όσα θεωρούνταν αυτονόητα. Θα μπορεί άραγε μια μηχανή να πραγματοποιήσει τέτοια εννοιολογικά άλματα ή θα περιορίζεται σε συνδυασμούς όσων έχει ήδη μάθει;».
Ο κ. Σαριδάκης προειδοποιεί και για τον κίνδυνο η υπερβολική εξάρτηση από την Τεχνητή Νοημοσύνη «να περιορίσει σταδιακά την ανθρώπινη φαντασία και την πρωτότυπη, ριζοσπαστική σκέψη». «Αν οι νέοι επιστήμονες συνηθίσουν να αναζητούν έτοιμες απαντήσεις από τις μηχανές, μπορεί να αποδυναμωθεί η ικανότητά τους να θέτουν τα πραγματικά καινούργια ερωτήματα. Προσωπικά πιστεύω ότι η μεγαλύτερη πρόκληση δεν είναι να κατασκευάσουμε μηχανές που θα σκέφτονται όπως οι επιστήμονες – αυτό θα γίνει πολύ σύντομα – αλλά να αξιοποιήσουμε τις δυνατότητές τους, ώστε οι ίδιοι οι επιστήμονες να μπορούν να σκέφτονται πιο ελεύθερα, πιο δημιουργικά και, κυρίως, πιο τολμηρά», καταλήγει.
—
Αναζητώντας σπάνια σήματα από τα βάθη του Σύμπαντος και των ωκεανών
—
Μπορεί όταν σκεφτόμαστε το Σύμπαν να έρχονται στο μυαλό μας εικόνες από αστέρια, γαλαξίες και αχανείς περιοχές σκοταδιού, ωστόσο μέσα σε αυτή την κοσμική απεραντοσύνη κρύβονται αόρατοι αγγελιοφόροι, τα νετρίνα. Πρόκειται για μικροσκοπικά υποατομικά σωματίδια, με εξαιρετικά μικρή μάζα και χωρίς ηλεκτρικό φορτίο, που μπορούν να ταξιδέψουν ανεμπόδιστα από τα πιο απομακρυσμένα σημεία του Σύμπαντος. Παρόλο που είναι το δεύτερο μεγαλύτερο σε αφθονία σωματίδιο στο Σύμπαν μετά τα φωτόνια, τα σωματίδια αυτά αλληλεπιδρούν ελάχιστα με την ύλη, οπότε η ανίχνευσή τους αποτελεί μεγάλη πρόκληση.
Για τον εντοπισμό νετρίνων υψηλής ενέργειας, οι επιστήμονες κατασκευάζουν μεγάλα παρατηρητήρια που βρίσκονται βαθιά κάτω από το νερό ή μέσα στον πάγο. Ένα τέτοιο παρατηρητήριο είναι το τηλεσκόπιο KM3NeT που κατασκευάζεται σε βάθος 2.500-3.500 μέτρων στη Μεσόγειο. Τα τηλεσκόπια αυτά καταγράφουν πολύ μεγάλο όγκο δεδομένων. «Τα γεγονότα που αναζητούμε είναι σπάνια και “κρύβονται” μέσα σε εκατομμύρια γεγονότα που αποτελούν υπόβαθρο και δεν μας ενδιαφέρουν», περιγράφει στο ΑΠΕ-ΜΠΕ η δρ Ευαγγελία Δρακοπούλου, ερευνήτρια Αστροσωματιδιακής Φυσικής στο Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος».
Για τον λόγο αυτό, η Τεχνητή Νοημοσύνη αποτελεί σημαντικό εργαλείο. Οι τεχνικές μηχανικής μάθησης, αναφέρει η κ. Δρακοπούλου, βοηθούν τους επιστήμονες σε τρία βασικά σημεία: «στον διαχωρισμό του σπάνιου σήματος από τα υπόλοιπα γεγονότα υποβάθρου, στον προσδιορισμό των χαρακτηριστικών των νετρίνων, όπως της ενέργειάς τους, της κατεύθυνσης και του τύπου του σωματιδίου που φτάνει στον ανιχνευτή, καθώς και στην επιτάχυνση της ανάλυσης δεδομένων και των προσομοιώσεων των αλληλεπιδράσεων των νετρίνων με την ύλη».
Η ερευνητική ομάδα της κ. Δρακοπούλου στο Ινστιτούτο Πυρηνικής και Σωματιδιακής Φυσικής του ΕΚΕΦΕ «Δημόκριτος» αναπτύσσει μεθόδους μηχανικής μάθησης για την ανακατασκευή γεγονότων σε πειράματα νετρίνων, όπως για την εκτίμηση της ενέργειας των νετρίνων στο τηλεσκόπιο KM3NeT/ARCA. Ωστόσο, όπως διευκρινίζει η κ. Δρακοπούλου, «η Τεχνητή Νοημοσύνη δεν αντικαθιστά τη Φυσική ή την ανάλυση των δεδομένων. Είναι ένα εργαλείο που μάς επιτρέπει να αξιοποιούμε πληρέστερα την πληροφορία που ήδη υπάρχει στα δεδομένα μας».
Αντίστοιχες τεχνικές, τονίζει η ίδια, εφαρμόζονται σε πολλά άλλα πεδία: στη Χημεία για τη μελέτη μορίων και υλικών, στη Γεωφυσική, στην Ωκεανογραφία και στα δίκτυα αισθητήρων, ακόμα και στην πρόβλεψη της κυκλοφορίας στο οδικό δίκτυο. Ιδιαίτερη σημασία έχει και η αξιοπιστία των προβλέψεων. Όπως εξηγεί η κ. Δρακοπούλου, «στην Αστροσωματιδιακή Φυσική, όπως και στη Φυσική υψηλών ενεργειών, οι επιστήμονες επικεντρώνουν το ενδιαφέρον τους όχι μόνο στην εκτίμηση μιας παραμέτρου αλλά και στον υπολογισμό της αβεβαιότητας που έχει αυτή η εκτίμηση. Οι μέθοδοι για την ποσοτικοποίηση της αβεβαιότητας στις προβλέψεις των αλγορίθμων τεχνητής νοημοσύνης είναι κρίσιμες σε κάθε τομέα όπου μια πρόβλεψη πρέπει να συνοδεύεται από μια αξιόπιστη εκτίμηση του πόσο μπορούμε να την εμπιστευτούμε, για παράδειγμα σε ιατρικές ή αναλυτικές εφαρμογές. Η Φυσική λειτουργεί εδώ ως ένα απαιτητικό πεδίο δοκιμών, όπου γνωρίζουμε τους νόμους που διέπουν τα δεδομένα και μπορούμε να ελέγξουμε αυστηρά αν ένα μοντέλο λειτουργεί σωστά».
Η χρήση Τεχνητής Νοημοσύνης στην Αστροσωματιδιακή Φυσική έχει, όμως, και σημαντικές προκλήσεις, τις οποίες αναδεικνύει η ερευνήτρια του «Δημόκριτου» στο ΑΠΕ-ΜΠΕ: Τα μοντέλα εκπαιδεύονται κυρίως σε προσομοιωμένα δεδομένα, που βασίζονται σε όσα ήδη γνωρίζουμε. Η φύση, όμως, μπορεί να μας δώσει γεγονότα που δεν έχουμε προβλέψει και τότε οι προβλέψεις των αλγόριθμων μπορεί να αποκλίνουν χωρίς να γίνει αμέσως αντιληπτό. Γι’ αυτό, συμπληρώνει, ο προσεκτικός έλεγχος με πραγματικά δεδομένα είναι απαραίτητος. «Ένα τέτοιο παράδειγμα αποτελεί η ανίχνευση του KM3-230213A, του νετρίνου με τη μεγαλύτερη ενέργεια που έχει ανακαλυφθεί, του οποίου η ενέργεια ξεπερνούσε το εύρος των τότε προσομοιώσεων». Στην ίδια κατεύθυνση, η κ. Δρακοπούλου επισημαίνει ότι τα σπάνια φαινόμενα, εκεί όπου μπορεί να κρύβεται μια νέα ανακάλυψη, υποεκπροσωπούνται στα δεδομένα εκπαίδευσης των αλγορίθμων.
«Η ερευνητική μας ομάδα στο Ινστιτούτο Πυρηνικής και Σωματιδιακής Φυσικής», καταλήγει η ίδια, «επενδύει σημαντικά τα τελευταία χρόνια στη διαμόρφωση νέων επιστημόνων ικανών να αξιοποιούν την Τεχνητή Νοημοσύνη με αξιοπιστία, διαφάνεια και κριτική σκέψη».
*Η αξιοποίηση της Τεχνητής Νοημοσύνης από διαφορετικά πεδία στην Αστρονομία θα παρουσιαστεί σε εκδήλωση που διοργανώνει η «Science For You – SciFY» αυτή την Πέμπτη, 5 Νοεμβρίου 2026, στις 7 μ.μ., στο Impact Hub Athens (Καραϊσκάκη 28, Αθήνα). Στην εκδήλωση θα μιλήσουν ο Μάνος Σαριδάκης, η Ευαγγελία Δρακοπούλου, καθώς και η αστροφυσικός στο Εθνικό Αστεροσκοπείο Αθηνών, Φιόρη- Αναστασία Μεταλληνού, η οποία θα περιγράψει την ηχοποίηση των δεδομένων του Διαστήματος με τη βοήθεια της Τεχνητής Νοημοσύνης, και η αστροφυσικός και υπεύθυνη του Γραφείου Εκπαίδευσης του ΕΚΕΦΕ «Δημόκριτος», Αιμιλία Σμυρλή, η οποία θα αναφερθεί στο πώς η Τεχνητή Νοημοσύνη βοηθά τους επιστήμονες να μελετούν την ηλιακή δραστηριότητα και να κατανοούν καλύτερα τον διαστημικό καιρό.
Σ.Σ. Επισυνάπτεται καλλιτεχνική απεικόνιση της αξιοποίησης της Τεχνητής Νοημοσύνης για τη δημιουργία νέων φυσικών θεωριών που θα μπορούσαν να περιγράψουν το Σύμπαν. Η εικόνα δημιουργήθηκε από τον Μάνο Σαριδάκη με τη χρήση Τεχνητής Νοημοσύνης (OpenAI/ChatGPT) και παραχωρήθηκε στο ΑΠΕ-ΜΠΕ για χρήση
Μαρία Κουζινοπούλου /ΑΠΕ-ΜΠΕ
