ИИ-модели научились распознавать карликовые галактики по снимкам, но пока уступают людям в точности
Ученые изучили возможность применения современных мультимодальных нейросетей (VLM) для поиска сверхтусклых карликовых галактик, которые крайне сложно обнаружить на снимках.
Работа, опубликованная на arXiv, сравнивает результаты работы модели с данными, полученными в рамках крупного проекта гражданской науки. Участники-добровольцы вручную размечали изображения из обзоров неба, а нейросеть получала те же снимки в виде многопанельных диагностических изображений.
Использовалась модель zero-shot VLM — без дополнительного обучения на астрономических данных. Выяснилось, что в среднем искусственный интеллект показывает схожую с человеком точность: агрегированные оценки нейросети хорошо коррелируют с коллективным мнением волонтеров.
Особенно уверенно модель работает на простых, однозначных примерах, где галактика хорошо заметна. Однако на индивидуальном уровне разброс результатов значителен: на одних и тех же снимках модель может давать разные ответы при повторных запусках.
Попытки измерить уверенность нейросети в собственном ответе — через самооценку или многоразовый прогон — не дали надежных результатов. Ученые отмечают, что модель не способна адекватно оценить, насколько она права в конкретном случае.
Таким образом, современные VLM-модели уже могут помогать в астрономическом поиске, особенно на этапе предварительной фильтрации данных. Но для окончательных выводов требуется участие человека или разработка более совершенных методов оценки неопределенности.
Исследователи подчеркивают, что использование ИИ для крупномасштабных научных открытий пока сопряжено с рядом ограничений, однако потенциал таких систем очевиден.
