Hình ảnh chụp bởi Kính viễn vọng Không gian James Webb cho thấy tâm của M74, một thiên hà xoắn ốc cách Trái Đất 32 triệu năm ánh sáng, bao gồm khoảng 100 tỷ ngôi sao. (Ảnh: AFP/TTXVN)Thiên văn học là môn khoa học tìm kiếm các mô hình trong vũ trụ thông qua việc sàng lọc lượng dữ liệu khổng lồ, những khám phá tình cờ và mối liên hệ chặt chẽ giữa lý thuyết và quan sát.
Đây đều là những lĩnh vực mà trí tuệ nhân tạo (AI) có thể giúp thúc đẩy thiên văn học phát triển mạnh mẽ hơn bao giờ hết.
Các nhà thiên văn học thường sử dụng mạng thần kinh nhân tạo, trong đó phần mềm tìm hiểu về tất cả các mối liên kết trong tập dữ liệu huấn luyện, sau đó áp dụng kiến thức đó vào tập dữ liệu thực.
Ví dụ về quá trình xử lý dữ liệu. Những bức ảnh đẹp được công bố trên mạng do Kính viễn vọng Không gian Hubble hoặc Kính viễn vọng Không gian James Webb chụp lại khác xa so với hình ảnh đầu tiên mà những thiết bị đó ghi được.
Hình ảnh thiên văn thô có đầy lỗi với tiền cảnh lộn xộn, tạp chất gây ô nhiễm và nhiễu. Việc xử lý và làm sạch những hình ảnh này để tạo ra bức hình hoàn chỉnh - chưa kể còn hữu ích cho nghiên cứu khoa học - đòi hỏi công sức khổng lồ, thường được thực hiện một phần thủ công và một phần bằng hệ thống tự động.
Ngày nay, các nhà thiên văn học ứng dụng nhiều hơn các tính năng AI trong xử lý dữ liệu, loại bỏ những phần không cần thiết của hình ảnh để tạo ra hình ảnh rõ ràng.
Ví dụ như hình ảnh về lỗ đen siêu lớn ở trung tâm thiên hà Messier 87 (M87) được công bố lần đầu tiên vào năm 2019 đã được AI "lột xác" vào tháng 4/2023, mang lại hình ảnh rõ ràng hơn nhiều về cấu trúc của lỗ đen này.
Hình ảnh hố đen được công bố năm 2019 (bên trái) và hình ảnh qua bộ lọc của AI năm 2023. (Nguồn: AP)Trong một ví dụ khác, một số nhà thiên văn học sẽ đưa hình ảnh của các thiên hà vào thuật toán mạng thần kinh nhân tạo, hướng dẫn thuật toán bằng sơ đồ phân loại của các thiên hà đã được phát hiện.
Các phân loại hiện tại chủ yếu được thực hiện thủ công, do chính các nhà nghiên cứu tiến hành.
Quá trình đào tạo đã sẵn sàng, mạng thần kinh nhân tạo sau đó có thể được áp dụng cho dữ liệu thực và tự động phân loại các thiên hà, giúp phân loại nhanh và ít xảy ra lỗi hơn nhiều so với công việc thủ công.
Các nhà thiên văn học cũng có thể sử dụng AI để loại bỏ nhiễu quang học do bầu khí quyển Trái Đất tạo ra trong các hình ảnh không gian được chụp bởi kính viễn vọng trên mặt đất.
AI thậm chí còn được đề xuất để giúp con người phát hiện dấu hiệu của sự sống trên sao Hỏa, hiểu tại sao Vành Nhật hoa của Mặt Trời lại nóng đến vậy hoặc tiết lộ tuổi của các ngôi sao.
Các nhà thiên văn học cũng đang sử dụng mạng thần kinh nhân tạo để nghiên cứu sâu hơn, tìm hiểu bản chất cơ bản của vũ trụ.
Hai trong số những bí ẩn vũ trụ lớn nhất là sự nhận dạng của vật chất tối và năng lượng tối, hai chất nằm ngoài kiến thức vật lý hiện tại của con người, kết hợp lại chiếm hơn 95% tổng năng lượng trong toàn vũ trụ.
Để giúp xác định những chất lạ đó, các nhà vũ trụ học đang cố gắng đo lường các đặc tính của chúng: Có bao nhiêu vật chất tối và năng lượng tối và chúng đã thay đổi như thế nào trong lịch sử của vũ trụ.
Những thay đổi nhỏ trong tính chất của vật chất tối và năng lượng tối có tác động sâu sắc đến lịch sử hình thành của vũ trụ, tác động đến mọi thứ từ sự sắp xếp của các thiên hà đến tốc độ hình thành những ngôi sao trong các thiên hà.
Mạng thần kinh nhân tạo đang hỗ trợ các nhà vũ trụ học giải quyết vô số tác động của vật chất tối và năng lượng tối.
[Hình ảnh đầu tiên của hố đen vũ trụ được công nghệ AI tái hiện]
Trong trường hợp này, dữ liệu huấn luyện được lấy từ các mô phỏng máy tính phức tạp. Trong những mô phỏng đó, các nhà vũ trụ học thay đổi tính chất của vật chất tối và năng lượng tối và xem những gì thay đổi.
Sau đó, họ đưa những kết quả đó vào mạng thần kinh nhân tạo để khám phá tất cả những cách thú vị mà vũ trụ thay đổi.
Mặc dù chưa hoàn toàn sẵn sàng, nhưng hy vọng là các nhà vũ trụ học có thể hướng mạng thần kinh nhân tạo vào những quan sát thực tế và giúp con người hiểu biết vũ trụ được tạo thành từ đâu.
Đài thiên văn Vera C. Rubin đang được xây dựng ở Chile. (Nguồn: NSF)Những cách tiếp cận như thế ngày càng trở nên quan trọng khi các đài quan sát thiên văn hiện đại ghi lại lượng dữ liệu khổng lồ.
Đài thiên văn Vera C. Rubin, đang được xây dựng ở Chile, sẽ cung cấp hơn 60 petabyte (một petabyte bằng 1.000 terabyte) dữ liệu thô dưới dạng hình ảnh có độ phân giải cao về vũ trụ.
Việc phân tích lượng dữ liệu khổng lồ này sẽ không thể thực hiện nếu làm bằng biện pháp thủ công. Chỉ có máy tính, được hỗ trợ bởi AI, mới có thể hoàn thành nhiệm vụ.
Mối quan tâm đặc biệt đối với các đài quan sát sắp tới sẽ là tìm kiếm những điều bất ngờ.
Ví dụ, nhà thiên văn học William Herschel đã tình cờ phát hiện ra Thiên Vương Tinh trong một cuộc khảo sát định kỳ về bầu trời đêm.
AI có thể được sử dụng để gắn cờ và báo cáo các đối tượng có tiềm năng bằng cách xác định bất kỳ thứ gì không phù hợp với mô hình thiết lập.
Và trên thực tế, các nhà thiên văn học đã sử dụng AI để phát hiện một tiểu hành tinh tiềm ẩn nguy hiểm bằng thuật toán được viết riêng cho đài thiên văn Vera C. Rubin.
Trong tương lai, ai có thể biết được những khám phá nào về vũ trụ mà con người sẽ phải ghi công cho một cỗ máy?
