Нейросеть показала портрет черной дыры. Почему нобелевский лауреат назвал это ошибкой?

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com
| Мнение | Наука и космос

В центре нашей галактики, Млечного Пути, скрывается монстр — сверхмассивная черная дыра Стрелец А*. Десятилетиями астрономы пытались разглядеть её портрет, и в 2022 году им это наконец удалось. Мир увидел первое, пусть и немного размытое, изображение этого космического гиганта. Но наука не стоит на месте. Недавно команда исследователей представила новый, куда более чёткий «снимок», полученный с помощью искусственного интеллекта. Он обещает невероятные открытия: наша черная дыра, оказывается, вращается с бешеной скоростью, направив свою ось прямо на Землю.

Звучит как прорыв. Но что, если этот впечатляющий портрет — всего лишь плод воображения алгоритма? Этот вопрос задал не кто-нибудь, а нобелевский лауреат, и его скепсис превращает эту историю из простой научной новости в настоящий детектив о будущем науки и границах доверия к машинам.

Иллюстрация
Автор: ИИ Copilot Designer//DALL·E 3 Источник: www.bing.com
Почему так сложно увидеть монстра?

Чтобы понять суть спора, нужно сперва осознать, насколько титаническую задачу решают учёные. Стрелец А* находится в 27 000 световых годах от нас, и разглядеть его — это как с Земли пытаться увидеть апельсин на Луне. Для этого нужен телескоп размером с нашу планету.

Именно такой инструмент и создали астрономы — Телескоп горизонта событий (EHT). Это не одно гигантское устройство, а глобальная сеть из нескольких радиотелескопов, разбросанных по всему миру. Работая синхронно, они создают виртуальный «глаз» диаметром с Землю, что позволяет добиться нужного разрешения.

Но тут возникает главная проблема. EHT работает в диапазоне длинных радиоволн, которые очень чувствительны к помехам. Главный враг наблюдений — обычный водяной пар в земной атмосфере. Он искажает сигнал, добавляя в него огромное количество «шума». В результате большая часть собранных данных оказывается настолько испорченной, что классические методы анализа перед ней пасуют. Эти данные учёные попросту отбрасывали, как мы выбрасываем фотографию, испорченную случайным бликом.

Визуализация обучающих наборов данных с параметрами, близкими к наилучшим оценкам, полученным с помощью модели BANN. В верхнем ряду представлены эталонные (ground-truth) изображения полной интенсивности, построенные методом трассировки лучей, в логарифмическом масштабе с различными динамическими диапазонами. В левых верхних углах указан тип модели, в правых верхних — её параметры: спин a* = s, R_high = r и i_los = l приводятся в сокращённой записи как a_s, R_r и i_l. Здесь показаны модели Sgr A* с θ_PA = 0. Стандартные модели основаны на метрике Керра. В среднем и нижнем рядах построены распределения нормализованных амплитуд и фаз видимостей с полосами стандартных ошибок, рассчитанные по всем синтетическим обучающим выборкам для каждой модели. Эти видимости показаны для всех параметров Стокса. Для неполяризованных дилатонных моделей поляризованные данные отражают только инструментальные эффекты и поэтому отображаются бледным цветом (faded out).
Автор: Janssen, M., et al.: A&A, 698, A62 (2025) Источник: www.aanda.org
Спаситель по имени ИИ?

И вот тут на сцену выходит искусственный интеллект. Команда астрофизика Михаэля Янссена решила: а что, если этот «мусор» на самом деле содержит ценную информацию, которую просто не видит человек? Они взяли именно те «зашумлённые» данные, от которых ранее отказались, и «скормили» их специально обученной нейросети.

Позвольте объяснить. Нейросеть, в отличие от традиционных алгоритмов, способна находить скрытые закономерности в хаосе. Её обучили на множестве смоделированных данных о черных дырах, и она научилась отличать полезный сигнал от атмосферных помех. И результат превзошёл ожидания.

ИИ сгенерировал новое изображение Стрельца А* — более чёткое и детализированное. Оно показало то, о чём раньше можно было лишь догадываться. Во-первых, черная дыра вращается с огромной скоростью, близкой к теоретическому максимуму. Во-вторых, её ось вращения, словно гигантский космический прожектор, направлена практически на нас. Это не просто любопытные факты; скорость вращения определяет, как чёрная дыра взаимодействует с окружающей материей и формирует свою галактику. По сути, это ключ к её биографии.

Голос разума или скепсис чемпиона?

Казалось бы, вот он, триумф технологий. Но тут в дискуссию вступает Райнхард Генцель, получивший Нобелевскую премию как раз за исследования черной дыры в центре нашей галактики. Его реакция — вежливый, но твёрдый скепсицизм. «Искусственный интеллект — это не панацея», — говорит он.

В чём же его сомнения? Генцель указывает на фундаментальный принцип работы с данными: «мусор на входе — мусор на выходе». Если нейросеть обучали на данных, которые изначально были сильно искажены, где гарантия, что она не «нафантазировала» результат? Возможно, алгоритм так усердно искал знакомые ему по симуляциям паттерны, что просто «дорисовал» их там, где их не было. Это похоже на то, как мы видим лица в облаках — наш мозг сам достраивает знакомый образ из случайных форм. Нейросеть могла сделать то же самое, создав не реальный портрет, а красивую, но ложную картину.

По мнению Генцеля, принимать такое изображение за чистую монету опасно. Оно может быть искажено, а выводы, сделанные на его основе, — ошибочны.

Апостериорное распределение, полученное из 10⁶ выборок вариационного вывода по 1000 бутстрэп-реализациям наблюдательных данных M87* с помощью нашей референтной модели M87* BANN. Для магнитного состояния значение ноль соответствует определенной классификации SANE, а значение один — определенной классификации MAD.
Автор: Janssen, M., et al.: A&A, 698, A62 (2025) Источник: www.aanda.org
Что дальше: верить или проверять?

Этот спор — не просто конфликт двух научных подходов. Это иллюстрация того, как работает настоящая наука. Появление смелой гипотезы, основанной на новом методе, неизбежно вызывает критику и требование строгой проверки.

Команда Янссена не собирается сдаваться. Их следующий шаг — применить свою нейросеть к новейшим, более качественным данным с EHT и сравнить результат с тем, что покажут традиционные методы. Только так можно доказать, что их ИИ-модель действительно видит скрытую реальность, а не создаёт научную фантастику.

Эта история гораздо глубже, чем просто очередной спор о космосе. Она о том, как меняются сами инструменты познания мира. Сможем ли мы доверять открытиям, сделанным не человеком, а машиной? И где проходит грань между анализом данных и их домысливанием? Ответ на эти вопросы определит облик науки в XXI веке. А пока мы с нетерпением ждём следующего раунда в этой захватывающей дуэли между человеческим гением и искусственным разумом.

3 комментария

d
В отличие от других методов, сравнение результатов работы LLM на известных данных вообще ничего не скажет о других результатах LLM. Это фундаментальный недостаток метода.
b
Их следующий шаг — применить свою нейросеть к новейшим, более качественным данным с EHT и сравнить результат с тем, что покажут традиционные методы.
То есть до них не дошло… Надо не накачивать нейросеть новыми данными, а обучить ее убирать атмосферные шумы, после чего дать обработать снимки. Пока в нейросеть будут пихать картинки черной дыры, она будет рисовать рисунки на основе этих картинок, а не вытаскивать зашумленные данные.
112657446964720493423@google
Благодаря нейроавосечным стараниям наука от зигзагообразного хаотического движения перейдёт к строгим прямым путям и вернёт нас домой. В пещеры )

Добавить комментарий

Сейчас на главной

Новости

Публикации

Сложное обоняние возникло раньше, чем мы думали: миксины против теории примитивного предка

Глубоко на дне океана, в абсолютной темноте, обитают существа, которые, кажется, застыли во времени. Миксины — примитивные бесчелюстные, напоминающие склизких угрей, —...

✦ ИИ  Где безопаснее хранить домашние фото и видео: флешка, жесткий диск, DVD или SSD

Домашние фото и видео — это не просто файлы. Это память. Снимки детей, родителей, поездок, старых друзей. Потерять их из-за поломки носителя или случайной ошибки обидно и больно. Я сам...

Обзор компактной стиральной машины TCL TWRF-607W12W1: стирка паровым методом и максимальная загрузка белья до 7 килограммов

Решил наконец-то поменять старенькую стиральную машину, которую я эксплуатировал годами напролёт. Всё бы ничего, да вот сломалась, а починить обойдется гораздо дороже, чем покупка новой. Вот...

Почему в 1937–1938 годах запретили эксплуатацию ГАЗ-А и Ford-A в Москве и Ленинграде

В 1930-е годы советский автопром активно развивался благодаря сотрудничеству с американской компанией Ford. В 1929 году СССР приобрёл лицензию на производство автомобилей Ford Model A и грузовиков...

Пернатые инженеры: как вороны конструируют составные инструменты и планируют будущее

Долгое время в научном сообществе доминировало убеждение, что изготовление составных инструментов и осознанное планирование являются исключительной прерогативой человека и некоторых видов высших...