Image Credit:Hitting the Books: Why AI won’t be taking our cosmology jobs
宇宙を研究する上での問題は、あまりにも大きいため、私たちは観測可能なデータに基づいて銀河系の形成に関する理論を検証することが多いです。しかし、最近のスーパーコンピュータ技術の進歩により、天体のシミュレーションをコンピュータ上で行うことができるようになり、現実の宇宙の複雑さを模擬することが可能になりました。さらに、人工知能や機械学習が宇宙探査に活用されています。Vera Rubin Observatoryは巨大な望遠鏡であり、人工知能により、彗星や星の輝きを捉えたり、恒星が持つ惑星に何らかの特徴があるかどうかを識別することができます。また、Googleの子会社であるDeep Mindが、生物学的プロセスの理解のために重要なステップである蛋白質の形状を予測する能力を持ち、計算の精度が向上されています。しかし、機械学習は科学的推論を置き換えることはできません。科学的推論は、私たちがまだ理解していないことについて新たな発見をするための探求であり、データから新しいパターンを見つけたり、既存の事実を再述するだけではありません。
宇宙探査に挑む上で最も大きな問題の1つは、宇宙の規模があまりにも巨大であり、観察可能なデータからの理論検証が必要とされていることです。このため、人工知能や機械学習は、宇宙論研究において重要な役割を担っています。例えば、GoogleのDeepMindの人工知能は、タンパク質の構造をもとにその形状を予測することができます。また、人工知能は、変光星や彗星などを発見し、特定の天体に焦点を当てることもできます。しかし、人工知能だけでは科学的考察を補完することはできず、新しい知識を発見するためには人間と人工知能の柔軟なデータ処理を統合する必要があります。
引用元記事はこちらHitting the Books: Why AI won’t be taking our cosmology jobs