Sasha✔
Writer
Mô hình trí tuệ nhân tạo (AI) được huấn luyện bằng hình ảnh chó và mèo đã xác thực một bước đột phá mang tầm thế giới.
Nhóm CSIRO đứng sau nghiên cứu gần đây liên quan đến vị trí của lỗ đen. Từ trái sang phải: Ivy Wong, Nithyanandan Thyagarajan, Samuel Lai và Foivos Diakogiannis. (CSIRO)
Những bức ảnh về chó và mèo không chỉ đơn thuần mang lại niềm vui cho người dùng internet. Một nhóm các nhà khoa học Úc cho biết, chúng còn có thể trở thành công cụ để xác nhận những bước đột phá quan trọng trong lĩnh vực thiên văn học.
Việc đưa các hình ảnh động vật vào không gian sâu thông qua kỹ thuật số là một phần trong quá trình các nhà nghiên cứu huấn luyện một công cụ dựa trên trí tuệ nhân tạo (AI). Công cụ này được dùng để kiểm chứng độ chính xác khoa học của một hình ảnh mang tính biểu tượng: lỗ đen nằm tại trung tâm của một thiên hà cách chúng ta 55 triệu năm ánh sáng.
Trong một nghiên cứu được công bố tuần này, nhóm chuyên gia từ Tổ chức Nghiên cứu Khoa học và Công nghiệp Khối thịnh vượng chung (CSIRO) – cơ quan nghiên cứu khoa học quốc gia của Úc – đã thực hiện thành công việc xác thực độc lập đầu tiên đối với các kết quả từ dự án Event Horizon Telescope (EHT). Năm 2019, EHT đã công bố hình ảnh đầu tiên về "cái bóng" của một lỗ đen, đánh dấu một cột mốc quan trọng trong công cuộc nghiên cứu vũ trụ.
Hình ảnh mờ nhạt về một vòng khí siêu nóng bao quanh "cái bóng" của một lỗ đen siêu khối lượng tại trung tâm thiên hà Messier 87 đã cung cấp bằng chứng thuyết phục cho thuyết tương đối tổng quát của Albert Einstein (năm 1915). Thuyết này cho rằng tại một số nơi, lực hấp dẫn mạnh đến mức ngay cả ánh sáng cũng không thể thoát ra ngoài. Hình ảnh đó đã gây chấn động trong cộng đồng khoa học, đồng thời thu hút sự quan tâm lớn từ công chúng.
Tuy nhiên, những phát hiện này cũng vấp phải nhiều ý kiến trái chiều. Mặc dù một số phân tích sau đó dựa trên dữ liệu thu thập từ bảy kính viễn vọng vô tuyến đã củng cố cho kết quả năm 2019, nhưng một nghiên cứu vào năm 2022 lại đưa ra kết luận khác biệt.
Samuel Lai, một thành viên trong nhóm nghiên cứu, chia sẻ với Nikkei Asia: "Có một nhóm khác tuyên bố rằng họ đã sử dụng chính tập dữ liệu đó cùng các phương pháp tạo ảnh truyền thống, nhưng kết quả thu được thậm chí không xuất hiện hình ảnh vòng tròn nào cả".
"Điều này đã khơi dậy sự tò mò của chúng tôi."
Samuel Lai cùng các cộng sự quyết định xem xét lại dữ liệu bằng một phương pháp tiếp cận khác. Họ đã phát triển một phương pháp mới để kết hợp hình ảnh từ các kính viễn vọng, trong đó sử dụng ba tập dữ liệu thay vì hai tập như cách làm tiêu chuẩn trước đây. "Trước đây, phép đo cơ sở được thực hiện dựa trên hai kính thiên văn... thì nay đã được mở rộng thành ba bộ kính thiên văn," ông cho biết.
"Khi có bảy trạm quan sát – giống như hệ thống mà chúng tôi đang vận hành trên khắp Trái Đất trong khuôn khổ dự án Hợp tác Kính thiên văn Chân trời Sự kiện (EHT) – chúng ta có thể kết hợp tất cả các tam giác có thể tạo thành từ bảy kính thiên văn này."
Nhóm nghiên cứu đã phát triển một phương pháp tạo ảnh dựa trên học máy có tên là GenDIReCT. Họ xây dựng phương pháp này từ đầu, sử dụng dữ liệu phi thiên văn để huấn luyện nhằm đảm bảo không làm phát sinh bất kỳ định kiến nào. Cụ thể, họ dùng tập dữ liệu CIFAR-10 gồm 60.000 hình ảnh – vốn thường được dùng cho các tác vụ nhận diện vật thể, trong đó có 6.000 hình ảnh về chó và mèo.
Samuel Lai giải thích: "Chúng tôi tạo ra một mô hình mô phỏng hệ thống kính thiên văn của mình trên Trái Đất – với bảy trạm quan sát nằm rải rác trên các châu lục – rồi đặt hình ảnh đó lên bầu trời, ngay tại vị trí của lỗ đen. Nói cách khác, chúng tôi đặt hình ảnh (ví dụ như hình một chú chó) vào đúng vị trí của lỗ đen trên bầu trời."
"Sau đó, chúng tôi thực hiện quan sát, truyền tín hiệu ngược trở lại Trái Đất và mô phỏng quá trình quan sát đó. Đây chính là dữ liệu dùng để huấn luyện mô hình: đầu vào là các phép đo, còn đầu ra là hình ảnh tương ứng."
"Cuối cùng, khi đưa các phép đo thực tế vào, mô hình sẽ tạo ra hình ảnh mà quý vị đã thấy trong công bố khoa học."
Công trình nghiên cứu của nhóm đã được công bố trong tuần này trên tạp chí khoa học Nature.
Ngoài việc cung cấp sự kiểm chứng độc lập đầu tiên cho các phát hiện từ dự án EHT, phương pháp kết hợp dữ liệu theo bộ ba (thay vì từng cặp) của nhóm còn có thể ứng dụng trong lĩnh vực chẩn đoán hình ảnh y tế, phân tích địa chấn, hay thậm chí là chế tạo các "camera âm thanh" – nơi tín hiệu âm thanh được sử dụng để tái tạo hình ảnh.
Samuel Lai cho biết: "Phương pháp này có thể áp dụng trong bất kỳ tình huống nào sử dụng dữ liệu từ nhiều cảm biến cùng quan sát một đối tượng duy nhất – giống như trường hợp chúng tôi đang thực hiện ở đây."
Nhóm CSIRO đứng sau nghiên cứu gần đây liên quan đến vị trí của lỗ đen. Từ trái sang phải: Ivy Wong, Nithyanandan Thyagarajan, Samuel Lai và Foivos Diakogiannis. (CSIRO)
Những bức ảnh về chó và mèo không chỉ đơn thuần mang lại niềm vui cho người dùng internet. Một nhóm các nhà khoa học Úc cho biết, chúng còn có thể trở thành công cụ để xác nhận những bước đột phá quan trọng trong lĩnh vực thiên văn học.
Việc đưa các hình ảnh động vật vào không gian sâu thông qua kỹ thuật số là một phần trong quá trình các nhà nghiên cứu huấn luyện một công cụ dựa trên trí tuệ nhân tạo (AI). Công cụ này được dùng để kiểm chứng độ chính xác khoa học của một hình ảnh mang tính biểu tượng: lỗ đen nằm tại trung tâm của một thiên hà cách chúng ta 55 triệu năm ánh sáng.
Trong một nghiên cứu được công bố tuần này, nhóm chuyên gia từ Tổ chức Nghiên cứu Khoa học và Công nghiệp Khối thịnh vượng chung (CSIRO) – cơ quan nghiên cứu khoa học quốc gia của Úc – đã thực hiện thành công việc xác thực độc lập đầu tiên đối với các kết quả từ dự án Event Horizon Telescope (EHT). Năm 2019, EHT đã công bố hình ảnh đầu tiên về "cái bóng" của một lỗ đen, đánh dấu một cột mốc quan trọng trong công cuộc nghiên cứu vũ trụ.
Hình ảnh mờ nhạt về một vòng khí siêu nóng bao quanh "cái bóng" của một lỗ đen siêu khối lượng tại trung tâm thiên hà Messier 87 đã cung cấp bằng chứng thuyết phục cho thuyết tương đối tổng quát của Albert Einstein (năm 1915). Thuyết này cho rằng tại một số nơi, lực hấp dẫn mạnh đến mức ngay cả ánh sáng cũng không thể thoát ra ngoài. Hình ảnh đó đã gây chấn động trong cộng đồng khoa học, đồng thời thu hút sự quan tâm lớn từ công chúng.
Tuy nhiên, những phát hiện này cũng vấp phải nhiều ý kiến trái chiều. Mặc dù một số phân tích sau đó dựa trên dữ liệu thu thập từ bảy kính viễn vọng vô tuyến đã củng cố cho kết quả năm 2019, nhưng một nghiên cứu vào năm 2022 lại đưa ra kết luận khác biệt.
Samuel Lai, một thành viên trong nhóm nghiên cứu, chia sẻ với Nikkei Asia: "Có một nhóm khác tuyên bố rằng họ đã sử dụng chính tập dữ liệu đó cùng các phương pháp tạo ảnh truyền thống, nhưng kết quả thu được thậm chí không xuất hiện hình ảnh vòng tròn nào cả".
"Điều này đã khơi dậy sự tò mò của chúng tôi."
Samuel Lai cùng các cộng sự quyết định xem xét lại dữ liệu bằng một phương pháp tiếp cận khác. Họ đã phát triển một phương pháp mới để kết hợp hình ảnh từ các kính viễn vọng, trong đó sử dụng ba tập dữ liệu thay vì hai tập như cách làm tiêu chuẩn trước đây. "Trước đây, phép đo cơ sở được thực hiện dựa trên hai kính thiên văn... thì nay đã được mở rộng thành ba bộ kính thiên văn," ông cho biết.
"Khi có bảy trạm quan sát – giống như hệ thống mà chúng tôi đang vận hành trên khắp Trái Đất trong khuôn khổ dự án Hợp tác Kính thiên văn Chân trời Sự kiện (EHT) – chúng ta có thể kết hợp tất cả các tam giác có thể tạo thành từ bảy kính thiên văn này."
Nhóm nghiên cứu đã phát triển một phương pháp tạo ảnh dựa trên học máy có tên là GenDIReCT. Họ xây dựng phương pháp này từ đầu, sử dụng dữ liệu phi thiên văn để huấn luyện nhằm đảm bảo không làm phát sinh bất kỳ định kiến nào. Cụ thể, họ dùng tập dữ liệu CIFAR-10 gồm 60.000 hình ảnh – vốn thường được dùng cho các tác vụ nhận diện vật thể, trong đó có 6.000 hình ảnh về chó và mèo.
Samuel Lai giải thích: "Chúng tôi tạo ra một mô hình mô phỏng hệ thống kính thiên văn của mình trên Trái Đất – với bảy trạm quan sát nằm rải rác trên các châu lục – rồi đặt hình ảnh đó lên bầu trời, ngay tại vị trí của lỗ đen. Nói cách khác, chúng tôi đặt hình ảnh (ví dụ như hình một chú chó) vào đúng vị trí của lỗ đen trên bầu trời."
"Sau đó, chúng tôi thực hiện quan sát, truyền tín hiệu ngược trở lại Trái Đất và mô phỏng quá trình quan sát đó. Đây chính là dữ liệu dùng để huấn luyện mô hình: đầu vào là các phép đo, còn đầu ra là hình ảnh tương ứng."
"Cuối cùng, khi đưa các phép đo thực tế vào, mô hình sẽ tạo ra hình ảnh mà quý vị đã thấy trong công bố khoa học."
Công trình nghiên cứu của nhóm đã được công bố trong tuần này trên tạp chí khoa học Nature.
Ngoài việc cung cấp sự kiểm chứng độc lập đầu tiên cho các phát hiện từ dự án EHT, phương pháp kết hợp dữ liệu theo bộ ba (thay vì từng cặp) của nhóm còn có thể ứng dụng trong lĩnh vực chẩn đoán hình ảnh y tế, phân tích địa chấn, hay thậm chí là chế tạo các "camera âm thanh" – nơi tín hiệu âm thanh được sử dụng để tái tạo hình ảnh.
Samuel Lai cho biết: "Phương pháp này có thể áp dụng trong bất kỳ tình huống nào sử dụng dữ liệu từ nhiều cảm biến cùng quan sát một đối tượng duy nhất – giống như trường hợp chúng tôi đang thực hiện ở đây."
Nguồn: Nikkei
