Claude Science собрал первую полную карту неба в ультрафиолете с погрешностью 10%

Anthropic представил первую полную карту неба в ультрафиолетном диапазоне, созданную искусственным интеллектом. Это проект Claude Science, направленный на демонстрацию того, как ИИ может взять на себя скучную рутинную работу, которую исследователи постоянно откладывают в дальний ящик.

О проекте рассказал астрофизик Брайс Менар из Johns Hopkins University. По его словам, ультрафиолетный свет позволяет выявить пыль, облака газа вокруг молодых звёзд, кольца, оставленные звёздными взрывами, и другие структуры, невидимые в других диапазонах спектра.

Почему полной карты не было раньше

Полная карта УФ-неба не существовала до этого момента по простой причине: озоновый слой Земли блокирует ультрафиолетное излучение, поэтому УФ-наблюдения возможны только из космоса. NASA запустила миссию GALEX, которая покрыла примерно две трети небосвода, однако сознательно пропустила яркие области звёздообразования из-за технических ограничений инструмента.

Как ИИ собрал полную карту

Для создания полной карты Claude Science использовал ИИ-агентов, которые выполняли несколько последовательных операций. ИИ загружал данные из нескольких космических миссий, калибровал эти данные для приведения их к единому стандарту, а затем объединял калиброванные информацию в единую карту.

Критическим этапом было восстановление недостающих участков методом инпейнтинга. Это техника, при которой нейросетевая модель обучается на имеющихся данных и использует полученные закономерности для реконструкции пропусков. При тестировании среднее отклонение прогнозов составило примерно 10% от реальных измерений — уровень точности, достаточный для научного применения.

Практическое значение

Создатели проекта позиционируют полную УФ-карту неба как учебный материал для научного сообщества. Менар высказал предположение, что эта работа может вдохновить многих исследователей — вероятно, немало учёных откладывали подобные масштабные проекты обработки и анализа данных, считая их слишком трудоёмкими. Благодаря развитию ИИ-агентов и автоматизированных рабочих процессов такие проекты становятся реальными в относительно короткие сроки.

Проект Claude Science демонстрирует практический потенциал ИИ не в создании чего-то принципиально нового, а в автоматизации работы с большими объёмами существующих данных — работы, которая является необходимой, но часто откладывается как слишком рутинная.