In der Astronomie ist ein neues Zeitalter angebrochen: Zum ersten Mal in der Geschichte hat ein System künstlicher Intelligenz die vollständige Steuerung eines großen nationalen Teleskops übernommen. Wissenschaftler der Northwestern University, der University of Chicago und der Fermi National Accelerator Laboratory haben demonstriert, dass Algorithmen des Deep Learning in der Lage sind, komplexe Entscheidungen in Echtzeit zu treffen, die mit der Erfahrung professioneller Astronomen vergleichbar sind.

Algorithmus gegen Wetter und Mond

Die Tests fanden in einer Observatorium in Chile am 4-Meter-Teleskop Víctor M. Blanco statt. Das System steuerte die 570-Megapixel-Kamera Dark Energy Camera (DECam). Die Aufgabe, der sich die KI stellte, war nicht trivial: Sie musste selbstständig entscheiden, wohin das Instrument gerichtet werden soll, und den Beobachtungsplan sofort anpassen.

Im Gegensatz zu statischen Programmen berücksichtigte der Algorithmus dynamische Faktoren: Veränderungen der Bewölkung, die Helligkeit des Mondes und den aktuellen Zustand der Atmosphäre. Normalerweise treffen Menschen solche Entscheidungen und müssen Kompromisse zwischen Wetterbedingungen, begrenzter Zeit und dem wissenschaftlichen Wert der Ziele finden, um die kostbaren Betriebsstunden des Teleskops so effektiv wie möglich zu nutzen.

Lernen aus der Erfahrung der Vorgänger

Die Entwickler wählten einen unkonventionellen Weg, um das Modell zu trainieren. Anstatt die über Jahrzehnte von Astronomen gesammelten Regeln manuell zu programmieren, trainierten die Forscher das neuronale Netz mit dem Beobachtungsarchiv des Dark Energy Survey-Projekts.

Das Modell studierte Sequenzen vergangener Beobachtungen und versuchte, das nächste Objekt in der Liste vorherzusagen. Die Entscheidungen des Algorithmus wurden mit den tatsächlichen Aktionen der Spezialisten verglichen, und Fehler dienten als Grundlage für das Nachtraining. Infolgedessen lernte das System, den Einfluss der Mondphase und der atmosphärischen Bedingungen intuitiv zu berücksichtigen, ohne dass diese Abhängigkeiten explizit programmiert wurden.

Effizienz und Perspektiven

Im Frühling und Sommer dieses Jahres hat das System zwei vollständige Beobachtungskampagnen erfolgreich durchgeführt. Laut den Entwicklern ist die Effizienz der KI bereits mit der menschlichen Arbeit vergleichbar. Das Ziel des Projekts beschränkt sich jedoch nicht auf die Automatisierung von Routineaufgaben.

Die nächste Phase besteht darin, das Modell zu lehren, effizientere Planungsstrategien zu finden, die ein Mensch möglicherweise übersehen würde. Dies ist besonders relevant vor dem Hintergrund der Inbetriebnahme der Vera C. Rubin Observatory. Der neue Riese wird täglich beispiellose Petabytes an Daten sammeln.

Die Autoren des Projekts sind überzeugt: Intelligente Planungssysteme werden helfen, die Arbeit mehrerer Teleskope zu koordinieren, jede Beobachtungsnacht zu optimieren und die Wissenschaftler von der Routine zu befreien, sodass sie sich auf die Datenanalyse und fundamentale Entdeckungen konzentrieren können.