Kunstmatige intelligentie is trainbaar om razendsnel de atmosfeer van exoplaneten te analyseren. Dat is nodig, want er worden steeds meer planeten ontdekt die om een andere ster dan onze zon draaien. Inmiddels staat de teller op meer dan vierduizend.

Kijk voor meer informatie op Wetenschap.nu

Het idee is nu om een kunstmatige intelligentie eerst zelf exoplaneten te laten "bedenken". Vervolgens worden die nepplaneten door de kunstmatige intelligentie in een fractie van een seconde vergeleken met echte waarnemingen. Een veelbelovende technologie, die straks hopelijk weken of maanden rekenen door gewone computers overbodig maakt.

Op de site thispersondoesnotexist.com zijn unieke foto's te zien, gegenereerd door een kunstmatige intelligentie. Deze AI heeft zo lang foto's van echte mensen bestudeerd dat hij nu zelf realistische foto's van niet bestaande personen kan maken.

In een project met de Haagse Hogeschool wordt een neuraal netwerk getraind om spectra van exoplaneten te analyseren. Daartoe wordt het neurale netwerk geleerd om zelf foto’s van exoplaneten te bedenken. Dus in plaats van een telescoop richten op de exoplaneet om deze waar te nemen, wordt de computer gevraagd om te bedenken hoe die waarneming eruit zou kunnen zien.

Uiteindelijk moet een waargenomen spectrum, feitelijk de vingerafdruk van een planeet, worden voorgehouden aan het neurale netwerk. Als het goed is, zoekt het neurale netwerk een bijbehorend planeetmodel en worden meteen vragen beantwoord over de samenstelling van de atmosfeer, de temperatuur en de grootte van de planeet. Analyse vereist zonder deze technieken soms wel maanden computerkracht.

Competitie in de computer

Om een neuraal netwerk te trainen, zijn eigenlijk twee netwerken nodig en een heleboel data om van te leren. Een van de twee netwerken is de generator (oftewel: de maker) de andere de discriminator (oftewel: de beoordelaar). Deze twee netwerken spelen een spelletje dat ze beide proberen te winnen. De generator maakt steeds nieuwe, willekeurige foto's. De discriminator krijgt steeds een foto te zien en moet dan zeggen of het een echte foto is of eentje gemaakt door de generator. Als hij het fout heeft, wint de generator, als hij het goed heeft de discriminator.

Hierachter zit een slim algoritme dat probeert om de prestaties van de beide netwerken te verbeteren. In het begin zal de generator vooral onzin maken en heeft de discriminator het niet zo moeilijk. Uiteindelijk winnen ze allebei in de helft van de gevallen. Op dat moment is de generator dus blijkbaar waanzinnig goed in het maken van realistische foto's, die niet van echt te onderscheiden zijn.

Een gegenereerde exoplaneet

Gegenereerde nepplaneten

Voor het herkennen van de spectra van exoplaneten is uiteraard een goede dataset nodig om van te leren. Daarom wordt een grote database gemaakt met exoplaneetmodellen. Daarin worden bijvoorbeeld gegevens gevarieerd over hoe de planeet gevormd is, hoe groot hij is, hoe warm... Het neurale netwerk gaat vervolgens op zoek naar orde in de gecreëerde chaos en leert zo zelf exoplaneten 'bedenken'.

Het uiteindelijke doel is dat het neurale netwerk in een fractie van een seconde zo'n nepplaneet kan vergelijken met een echte waarneming, veel sneller dan mensen zelf kunnen berekenen. Dit lijkt de toekomst voor ruimtemissies als ARIEL of misschien al wel voor de James Webb Space Telescope.

Kijk voor meer informatie op Wetenschap.nu