Žmonės – ypač apmokyti – tą gali padaryti, bet neaprėps duomenų kiekio. Konvoliuciniai neuroniniai tinklai – daug efektyvesnis sprendimas, tačiau jų veikimas yra neaiškus, ir dažniausiai neįmanoma atsakyti, kuo remiantis priskiriama viena ar kita klasifikacija.
Dabar mokslininkai parodė, kad didieji kalbos modeliai (LLM), visuomenei geriau žinomi kaip dirbtinio intelekto pokalbių programėlės, gali greitai kintančius astrofizikinius reiškinius klasifikuoti taip pat efektyviai, kaip konvoliuciniai tinklai – ir kartu pateikti žmonėms suprantamus aprašymus apie kiekvieną kandidatą.
Apmokytas su vos 15 pavyzdžių ir gavęs glaustas instrukcijas, „Google“ modelis „Gemini“ net 93 proc. vidutiniu tikslumu sėkmingai klasifikavo kitus įvykius trijuose duomenų rinkiniuose (Pan-STARRS, MeerLICHT ir ATLAS), kurie skiriasi tiek erdvine skyra, tiek tipinio įvykio dydžiu nuotraukoje.
Dirbtinio intelekto sukurti vaistai ir patikimumas moksle: ar tai nėra pavojinga?
Be to, pateikus pirmojo modelio atsakymus kitame „Gemini“ pokalbyje, antrasis modelis sėkmingai įvertindavo pirmojo atsakymus ir padėdavo klasifikuoti probleminius atvejus. Tokia sistema leidžia vartotojams apibrėžti norimą klasifikacijos elgseną per natūralią kalbą ir pavyzdžius, išvengiant tradicinių mokymo konvejerių.
Be to, generuodami tekstinius stebimų savybių aprašymus, LLM suteikia galimybę vartotojams nagrinėti klasifikacijų rezultatus kaip anotuotą katalogą, o ne dešifruojant abstrakčias parametrų erdves. Tai leidžia astronomams greitai suprasti, kodėl sistema priėmė tam tikrą sprendimą, ir prireikus koreguoti.
Susiję straipsniai
Naujos kartos teleskopai ir apžvalgos dar labiau didina prieinamų duomenų kiekį, tad LLM pagrįsta klasifikacija galėtų padėti užpildyti spragą tarp automatinio aptikimo ir žmogiško supratimo.
Tyrimo rezultatai publikuojami žurnale „Nature Astronomy“.