Kunstmatige intelligentie binnen de sterrenkunde

Veel bedrijven liften mee met de ontwikkelingen binnen de kunstmatige intelligentie. Ze geven aan dat hun producten enabled zijn met Artificial Intelligence (AI) technologie die jou vooral goed gaan helpen. Deels is AI inderdaad een verbetering van producten. Maar het komt ook voor dat een technologische ontwikkeling AI wordt genoemd, maar in werkelijkheid iets anders is, of al eerder bestond. In dat geval is het alleen commercieel aantrekkelijk om met deze hype mee te liften.

Wanneer helpt AI ons?

Toch mag je bij AI niet spreken van een hype. Het is een ontwikkeling die net uit de kinderschoenen is. Vertaalbureaus en filmacteurs worden vervangen door AI. Algemeen kun je zeggen dat AI een betere ervaring van het gebruik van producten geeft en kostenbesparend is. AI zoekt namelijk naar oplossingen door de huidige situatie te vergelijken met het verleden. Het zoekt naar wanneer dit eerder is gebeurd, en wat daarna volgde. Daar is op de achtergrond een zeer grote databank voor nodig. Internet is zo’n databank. Miljarden mensen dragen daaraan bij. Je mag van AI dus geen creativiteit en verrassing verwachten. Als je dezelfde vraag stelt krijg je ook hetzelfde antwoord. Inventiviteit blijft des mens.

Het aantal voorbeelden om ons heen is lego

Het automobielbedrijf Tesla heeft zelfrijdende auto’s gebouwd. Dat valt tegenwoordig onder AI-technologie. Facebook heeft tegenwoordig gezichtsherkenning en noemt dat AI-technologie. De AI van TikTok beveelt video’s aan op basis van de interacties. De Dyson stofzuigers hebben ook AI-technologie waardoor er efficiënter gezogen wordt. Het schrijven van deze nieuwsbrief zou je ook over kunnen laten aan AI, maar dat gaan we niet doen 😊. In ziekenhuizen kan je met AI-technologie beter een longontsteking op een röntgenfoto vinden. Leraren kunnen een leerlingenlijst maken die waarschijnlijk de studie niet gaan halen. Je kunt ook een onderdelenlijst maken van wat er aan een trein binnenkort kapot zal gaan. Je kunt ook een nep-videogesprek doen met anderen, of je gaat praten met een overledene. Elke keer als je deze website (www.thispersondoesnotexist.com) opent zie je een gezicht die in werkelijkheid niet bestaat. Zelfs in wapens wordt AI-technologie ingebouwd.

AI in de telescoop

Tegenwoordig zijn er telescopen die snel en eenvoudig mooie foto’s kunnen maken van bijvoorbeeld de maan en van de Deep Sky objecten zoals de Orionnevel in sterrenbeeld Orion. Zet de telescoop neer op een goed donkere plaats. Geef aan wat je op de foto wilt hebben. De rest gaat vanzelf. Dat lijkt AI maar is het niet. Dit is puur een machine die op basis van oriëntatie aan de nachthemel en berekeningen weet waar jouw hemelobject te vinden is.

AI bij het voorspellen van het noorderlicht

Een groep onderzoekers heeft kunstmatige intelligentie gebruikt om bijna een miljard beelden van het noorderlicht te sorteren. Deze beelden zijn gemaakt in de periode 2008 tot 2022. Dit zou onderzoekers kunnen helpen bij het begrijpen en voorspellen van dit natuurverschijnsel. De enorme dataset van foto’s en bijbehorende gegevens is een waardevolle bron die onderzoekers kan helpen te begrijpen hoe de zonnewind samenwerkt met de magnetosfeer van de aarde. Deze magnetosfeer is de beschermende bel die ons beschermt tegen geladen deeltjes die van de zon afkomen. Voor die tijd waren die foto’s en bijbehorende gegevens niet te ontsluiten vanwege de grote omvang ervan.

AI in de weersverwachting

De nauwkeurigheid en tijdigheid van weersvoorspellingen kunnen het verschil maken in besluitvormingsprocessen: Wat is het risico dat de feesttent op een evenement zal omwaaien?

Sinds 2023 worden er AI-weervoorspellingstools ontwikkeld door Huawei Cloud. Deze kunnen het weer nauwkeuriger voorspellen dan het weer-simulatiesysteem dat de gouden standaard in de sector is. Dat is de High Resolution Forecast (HRES) die geproduceerd wordt door de European Centre for Medium-Range Weather Forecasts (ECMWF).

Ook Google’s DeepMind heeft een AI-tool voor de weersvoorspellingen gemaakt dat nog nauwkeuriger bleek te zijn dan dat van Huawei. Je hebt ook geen rekentijd op supercomputers meer nodig. Je hebt ook geen professional meer nodig.

Traditionele voorspellingen maken gebruik van NWP (Numerical Weather Prediction), waarvan het uitgangspunt de natuurkundige vergelijkingen zijn die het gedrag van de aardatmosfeer simuleren aan de hand van principes van de vloeistofdynamica en de thermodynamica. Met behulp van de observatiegegevens van weerstations en satellieten verwerken deze modellen de gegevens vervolgens met complexe en tijdrovende berekeningen die worden uitgevoerd door supercomputers.

Daarentegen luidt ‘deep learning’ een nieuw tijdperk in voor weersvoorspellingen door het probleem op een heel andere manier aan te pakken. Deze door AI gegenereerde weersvoorspellingen gebruiken gegevens om een weersvoorspelling te maken. Er zijn geen natuurkundige vergelijkingen meer nodig.

De reacties op de nieuwste ontwikkelingen op het gebied van de AI-hulpmiddelen voor de weersvoorspellingen zijn gemengd. Veel deskundigen erkennen de doeltreffendheid van deze hulpmiddelen, maar benadrukken tegelijkertijd dat hun toekomstige rol eerder een aanvulling zal zijn op traditionele hulpmiddelen dan een regelrechte vervanging ervan. Bovendien is er een groeiende bezorgdheid over de mogelijke verschuiving van het eigendom van weersvoorspellingen van het publieke naar het private domein. Iedereen kan namelijk AI-software gebruiken om daarmee de weersverwachting voor jezelf te doen, ook als je er geen verstand van hebt.

AI in de klimaatvoorspellingen

Het is een logische stap om ook IA-modellen te maken om het klimaat voor de toekomst beter te gaan voorspellen, maar dat gaat zomaar niet. Weersvoorspellingen en klimaatvoorspellingen verschillen fundamenteel van elkaar. Weersverwachtingen zijn voorspellingen van de eerste soort, gericht op het voorspellen van toekomstige systeemtoestanden waarbij de initiële voorwaarden gegeven zijn. Daarentegen zijn klimaatvoorspellingen voorspellingen van de tweede soort, gericht op het voorspellen van toekomstige klimaatstatistieken waarbij de evoluerende randvoorwaarden een gegeven is, zoals de uitstoot van broeikasgassen.

Weliswaar verbeteren we geleidelijk de weersvoorspelling. Dat geldt voor de traditionele numerieke modellen, als ook voor de ‘machine learning’. Dit vertaalt zich echter niet direct in betere klimaatvoorspellingen.

AI bij sterk wisselende tijdruimte krommingen

In het heelal bestaan er een groot aantal dubbelsterren die om elkaar heen bewegen. Dat geldt zo ook voor neutronensterren. Door de extreme onderlinge wisselende zwaartekracht komen deze neutronensterren steeds dichter bij elkaar totdat ze uiteindelijk met elkaar versmelten. Een nieuwe kunstmatige intelligentie/machine-leermethode karakteriseert snel en nauwkeurig de rimpelingen die in de ruimtetijd van het heelal na zo’n versmelting ontstaat. Deze AI-technologie stelt astronomen beter in staat om sneller schattingen te maken van eigenschappen zoals de locatie van de samensmelting in het heelal en de massa’s van de neutronensterren vlak voor de versmelting.  AI-technologie werkt hier goed mits er voldoende waarneemgegevens bekend van deze zwaartekrachtsrimpelingen. LIGO doet dat.

Natuurkundewetten zijn niet meer nodig om de toekomst te voorspellen / verwachten

Al deze AI voorbeelden hebben één ding gemeen. Voorheen konden we alleen voorspellen door bekende natuurkundeformules toe te passen voor de toekomst. Dat blijft zo. Daar bovenop kun je ook een huidige situatie vergelijken met de enorme hoeveelheid aan gegevens die beschikbaar zijn vanuit het verleden. De voorspelling bestaat in dat geval uit het zoeken naar dezelfde situatie in dat verleden en dan zal er in het heden wel weer hetzelfde gebeuren.

De Astrologie bekijkt trouwens deze analogieën ook. Wanneer is dat eerder gebeurt en wat betekende dit dan voor de mens? Op basis van ervaringen bij de maanstand, de planetenstanden en de sterrenstanden is de Astrologie ontstaan. Dat ontstond niet door AI maar puur vanuit de menselijke waarnemingen.

Kortom: je voorspelt zonder de natuurkunde erachter te doorgronden. Die heb je niet meer nodig.