天文学者たちはいま、人工知能を使って宇宙の謎を解こうとしている
「天文学者たちはいま、人工知能を使って宇宙の謎を解こうとしている」の写真・リンク付きの記事はこちら
天文学者ケヴィン・シャヴィンスキーは、巨大なブラックホールがいかにして銀河系を形成するかという研究に、そのキャリアの大部分を費やしてきた。しかし、乱雑なデータを扱う汚れ仕事は嫌なので、ニューラルネットワークを役立てられるか見極めてやろうと決めた。ただひとつの問題は、シャヴィンスキーも彼の宇宙研究仲間も、この種の高度なコーディングが苦手なことだ。
状況が変わったのは、スイス連邦工科大学（ETH）チューリヒ校研究所に勤める別の教授が、シャヴィンスキーにメールを送ったときのことだ。彼は、そのメールのCCにコンピューターサイエンティストのチェ・チャンを加えていた。
「君たちは会って話すべきだ」。そして、彼らはそのすすめに従った。
彼らは一緒に、どのように最先端の機械学習技術を取り入れればいいか策を練った。先日発表されたその最初の結果が、宇宙から送られてくるぼやけたノイズ画像をシャープにするニューラルネットワークだ。「CSI：科学捜査班」などのドラマで、登場人物がガソリンスタンドの防犯映像を見ながら「画質を向上させろ！」と叫ぶと、突然目の前に犯人の顔がはっきりと映る。ちょうど、それと同じだ。
シャヴィンスキー氏とチャン氏の研究は、天文学においてますます進んでいる「自動化」というトレンドのひとつといえる。マシンが自ら学びを深めるようになれば、人を介さずデータを識別・分類できるうえに、どの人間よりも迅速にデータを処理できる。そう、機械学習は、天文学者がバックエンドを理解せずに使える標準的なデジタルツールになりうるのだ。
最優秀「成長」賞を与えよう
最初の研究でシャヴィンスキー氏とチャン氏がある種のニューラルネットワークを見つけたのは、偶然のことだった。ニューラルネットワークといえば、いくつもの猫画像から「何が“猫らしさ”なのか」を学びとったことでも知られるモデルだ。
彼らがみつけたシステムは「GAN」（敵対的生成モデル）と呼ばれるものだ。GANは、望遠鏡が解像度不足ゆえに捉えられない微妙なディテールを映し出す。「それを『聖杯』のような決まり文句では呼びたくはないのですが」と、シャヴィンスキー氏は言う。「天文学では、ある画像を実際よりもよいものにしたいということはよくあります」
先日Skypeで２人の科学者にインタヴューをした際、彼らが創造した機械の頭脳が次に何をするのかと訊ねたときのことだ。シャヴィンスキー氏はチャン氏に、「どのくらい教えていいものかな？」と問うていた。どうやら彼らには、もっと壮大な計画があるようだ。
そのやりとりに続けて、彼らは、短期間のことははっきりとは分からないと言った（あるいは、少なくとも教えられない、ということか）。「長期的には、これらの機械学習技術は科学者が使う武器の一部になるでしょう」と、シャヴィンスキー氏は続ける。「科学者は、世界で５人しか取り組めないような難解な知識に精通している必要もなくなるのでしょうね」
機械の「ゴースト」の得意分野は？
彼らだけでなく、ほかの天文学者たちも、すでに機械学習に自らの仕事の一部を分担させている。たとえば、ETHの別の科学者たちは、電波データ内の不純物を除くのに人工知能（AI）を使った。彼らはニューラルネットワークを“訓練”し、（データのなかから）人工衛星や空港、あるいはWi-fiルーターやIH調理器、さらには壊れた電気ブランケットから発せられる人工の電波を見つけ出し無効化させた。なにしろ電子機器の数は増え続けるが、ブラックホールは決して明るくなりはしないのだ。
ニューラルネットワークの利用は、なにも新しい天文学的観察には限らない。科学者たちはこれまで、空から降ってくるデジタルデータを何十年も扱ってきた。これらの古い観察も、新しいパイプラインに取り込めば改善できるのだ。「いままでもっていた同じデータから、宇宙のことをさらによく知れるのです」と、シャヴィンスキー氏は言う。
SLIDE SHOW
1/9ESOがチリに設置したパラナル天文台の超大型望遠鏡VLTを構成する望遠鏡4台と、もっと小型の補助望遠鏡2台のパノラマ画像。弧を描く天の川銀河も写っている。PHOTOGRAPH COURTESY OF ESO
2/9超大型望遠鏡VLTに設置されている、上層大気に強力なレーザービームを発射する補償光学装置。レーザービームで大気中に人工のガイド星を生成し、地球の大気の揺らぎを観測することで、大気の揺らぎによる影響を補正し、空間分解能を向上させる正距円筒図法（エクイレクタングラー）が用いられているパノラマ画像であるため、レーザー光線は曲線になっている）。PHOTOGRAPH COURTESY OF ESO
3/9パラナル天文台の別の眺め。PHOTOGRAPH COURTESY OF ESO
4/9パラナル天文台で撮影。1台の望遠鏡が天の川銀河の中心に向けられ、誘導レーザーが作動している。PHOTOGRAPH COURTESY OF ESO
5/9パラナル天文台の日中のパノラマ画像。PHOTOGRAPH COURTESY OF ESO / G. Brammer
6/9アタカマ大型ミリ波サブミリ波干渉計（アルマ望遠鏡、ALMA）の眺め。中央に天の川が見える。PHOTOGRAPH COURTESY OF ESO
7/9ALMA相関器（コリレーター）ルームの360度パノラマ画像。ALMA相関器は、標高5,000mに設置された世界有数の強力なスパコンだ。PHOTOGRAPH COURTESY OF ESO
8/9チリ北部のラ・シヤ天文台にあるサブミリ波望遠鏡の上空に、赤みを帯びた大気光が広がる。この望遠鏡は、スウェーデンとESOが共同運用していたが、いまは使用されていない。PHOTOGRAPH COURTESY OF ESO
9/9アタカマ砂漠の様子。先史住民が描いた岩石線画が見える。PHOTOGRAPH COURTESY OF ESO
Prev Nextさらに、機械学習は、データのプロセスの煩雑さを緩和してくれる。いままでの天文学者の仕事の多くは、パルサー（パルス状の可視光線や電波を発生する天体）からの短い音や「銀河の腕」、新星地域のスペクトラなどといった同じ種類のシグナルを探すという骨の折れる作業と、その作業をどのように自動化するか考えることに費やされてきた。
しかし、AIはそのような骨折り作業をどう自動化するかを自分で考えられる。こうしたシステムを開発したアレックス・ホッキング（ハートフォードシャー大の大学院生）は、次のように語っている。
「ぼくたちのアルゴリズムの重要な点は、マシンに対して、画像のなかに何を見つければよいのか教えたのではなく、どのように見るかという見方そのものを教えたことにあります」
天文学者たちが2012年に開発したニューラルネットワークの試作は、テストデータセットのなかからパルサーの85パーセントを発見した。さらに2016年のシステムは、高速の電子バースト候補が人工のものか宇宙でできたものかを仕分けるという。科学者が何日も、あるいは何週間もかかる化学的指紋のプロセスを数秒で終わらせるものもある。少々不気味だが、天文学者が「水がどのように見えるか創作しろ」と命じたところ、それが実行されたともいう。
天文学において、コンピューターには天文学者よりも正確かつ早く実行できるタスクがある。そしてそれは、天文学者がより面白い問題を解くためにより多くの時間や脳力を使えるようになるということを意味する。
「AIの科学調査への導入には、大きな意味があります」と、シャヴィンスキー氏は言う。「これは躍進の始まりです。いま、わたしはとても興奮しています。わたしたちはいま、未来の科学の“やり方”を見届けているし、少なからずそのやり方をつくり上げているのです」。
RELATED
言語学者に訊く「宇宙人ときちんと対話する」ための5つのコツ
