ด้วยงานวิจัยศึกษาใหม่ที่ได้ตีพิมพ์ในนิตยสารวิชาการ Astrophysical Journal สัปดาห์ที่ผ่านมาได้อธิบายถึงวิธีการที่ทีมนักวิจัยจากทั่วโลกได้พัฒนาระบบ Deep Learning ที่จะสามารถจำแนกภาพวิวัฒนาการของกาแล็กซี่ด้วยความแม่นยำที่ดีเยี่ยม
โดยการทำงานร่วมกันของทีมนักวิจัยจากหลายๆ มหาวิทยาลัยในสหรัฐอเมริกา ฝรั่งเศส เยรูซาเลม เยอรมัน และจีน จึงสามารถเทรนระบบโครงข่ายประสาทเทียมแบบ Convolution (Convolutional Neural Network) จากข้อมูลภาพที่จำลองขึ้นเป็นภาพกาแล็กซี่ที่วิวัฒนาการแบ่งเป็น 3 Stage คือ 1. Pre Blue Nugget Stage 2. Blue Nugget Stage และ 3. Post Blue Nugget Stage
“ระบบ Deep Learning นั้นจะมองหารูปแบบซึ่งจะมองเห็นรูปที่มีความซับซ้อนมากๆ เกินกว่าที่มนุษย์จะมองเห็นได้” คุณ David Koo ผู้เขียนและศาสตราจารย์กิตติคุณที่ UC Santa Cruz กล่าว “พวกเราต้องการที่จะทดสอบวิธีการนี้อีกสักหน่อย โดยจากการทดลองความเป็นไปได้ (prove of concept) นั้นพบว่าระบบดูเหมือนจะสามารถค้นหาข้อมูลและแยกแยะ stage ของภาพวิวัฒนาการของกาแล็กซี่ที่แตกต่างกันได้ถูกต้อง”
โดยการเทรนครั้งหนึ่ง ทีมงานได้ทดสอบการจำแนก stage ของภาพวิวัฒนาการของกาแล็กซี่จากข้อมูล CANDELS ซึ่งเป็นภาพที่บันทึกด้วยกล้องโทรทรรศน์อวกาศฮับเบิล (Hubble Space Telescope) พบว่าระบบนั้นสามารถจำแนกได้ด้วยความถูกต้องถึง 80%
“พวกเราเพิ่งเริ่มต้นค้นหาแนวทางใหม่ๆ ในการทำงานวิจัย โดยจะเป็นทางที่ผสมผสานกันระหว่างภาคทฤษฎีกับการสังเกต (observation) เข้าด้วยกัน” คุณ Koo กล่าว “ดังนั้นจึงเป็นเวลาที่เหมาะสมในการทดลองวิธีการอื่นๆ ที่จะสามารถคัดแยกข้อมูลออกมาให้ได้จำนวนมากๆ จากภาพที่มีหลายสี ซึ่งอาจจะช่วยในการทำลายความถดถอยในงานด้านฟิสิกส์ลงไปได้ อีกทั้งยังสามารถปรับปรุงการเปรียบเทียบระหว่างการสังเกตุและข้อมูลที่สร้างขึ้นมาได้อีกด้วย ซึ่งนี่คือเป้าหมายที่ชัดเจนของงานนี้” คุณ Koo และนักวิจัยได้เขียนตีพิมพ์ลงไปในงานวิจัยของพวกเขา
ทั้งนี้ นักวิจัยกล่าวอีกว่าพวกเขาจะขยายงานของเขาโดยการใช้ข้อมูลที่สร้างขึ้นมาใหม่ และหวังว่าวิธีการของพวกเขาจะสามารถนำมาปรับใช้ในส่วนอื่นๆ ในด้านดาราศาสตร์ได้ด้วย
Source : https://news.developer.nvidia.com/ai-classifies-galaxies-using-hubble-space-telescope-images/