Thay vì dành nhiều giờ kiểm tra thủ công hàng triệu hình ảnh hoặc dữ liệu từ kính viễn vọng, các nhà nghiên cứu ngày càng sử dụng AI để phát hiện những mô thức bất thường, nhận diện tín hiệu hiếm và xây dựng mô hình giúp giải thích những gì đang diễn ra ngoài không gian sâu thẳm.

Những công cụ này không chỉ hỗ trợ xử lý lượng dữ liệu khổng lồ mà còn giúp phát hiện những vật thể có thể đã nằm trong kho lưu trữ nhiều năm nhưng chưa từng được chú ý.

Tại Cơ quan Vũ trụ châu Âu (ESA), hai nhà nghiên cứu David O'Ryan và Pablo Gómez gần đây đã phát hiện hàng trăm vật thể thiên văn mới bằng cách phân tích kho dữ liệu khổng lồ do Kính viễn vọng Không gian Hubble thu thập trong suốt 36 năm hoạt động.

Thay vì rà soát bằng mắt thường như cách các nhà thiên văn từng làm trước đây, nhóm nghiên cứu sử dụng một mạng thần kinh nhân tạo mang tên AnomalyMatch. Hệ thống được huấn luyện để tìm kiếm những hình mẫu bất thường trong dữ liệu, qua đó nhận diện nhiều thiên hà có hình dạng kỳ lạ chưa từng được ghi nhận trước đó.

Theo Gómez, giới khoa học thường tập trung vào những kính viễn vọng mới với khả năng quan sát mạnh hơn, nhưng nghiên cứu này cho thấy AI có thể tạo ra giá trị rất lớn ngay cả từ những dữ liệu đã tồn tại trong thời gian dài.

Ông cho rằng các kho dữ liệu lưu trữ giống như những kho báu chưa được khai phá hoàn toàn. Dù đã được nghiên cứu nhiều lần, chúng vẫn có thể chứa những phát hiện mới nếu được tiếp cận bằng công cụ phù hợp.

Không chỉ giúp khám phá những thiên thể mới, AI còn đang hỗ trợ các nhà khoa học xử lý khối lượng dữ liệu ngày càng tăng trong thiên văn học hiện đại.

Tại Đại học Oxford, nhà vật lý Héloïse Stevance cùng nhóm nghiên cứu đã phát triển một hệ thống AI mang tên Trợ lý Nghiên cứu Ảo nhằm hỗ trợ phát hiện các vụ nổ siêu tân tinh - hiện tượng xảy ra khi một ngôi sao đi đến giai đoạn cuối của vòng đời và phát nổ với năng lượng cực lớn.

Mỗi ngày, mạng lưới kính viễn vọng Atlas trên mặt đất gửi về hàng trăm cảnh báo về các hiện tượng có năng lượng cao xuất hiện ở những thiên hà xa xôi. Tuy nhiên, không phải tất cả tín hiệu đều mang ý nghĩa khoa học. Trước đây, các nhà nghiên cứu phải dành nhiều giờ xem xét thủ công để xác định đâu là tín hiệu đáng chú ý.

Stevance cho biết công cụ AI mới đã giúp giảm khoảng 85% khối lượng công việc này.

Theo bà, thay vì dành thời gian cho các công việc lặp đi lặp lại, các nhà khoa học có thể tập trung hơn vào việc đặt câu hỏi và tìm lời giải cho những vấn đề lớn hơn.

Bà ví hệ thống này như một "robot giặt đồ" trong cuộc sống hằng ngày. Khi những công việc tốn thời gian được tự động hóa, con người có thêm thời gian cho những phần đòi hỏi sáng tạo và tư duy.

Ở Đại học Birmingham, AI cũng đang được ứng dụng theo một hướng khác.

Nhà nghiên cứu Guy Davies sử dụng các hệ thống mô phỏng dựa trên mạng thần kinh để diễn giải dữ liệu từ kính viễn vọng. Theo ông, thách thức lớn trong thiên văn học hiện nay không phải là thiếu dữ liệu mà là xây dựng những mô hình đủ nhanh để hiểu được dữ liệu đó.

Thông thường, các mô hình mô phỏng quá trình tiến hóa của sao có thể cần rất nhiều thời gian tính toán. Tuy nhiên, sau khi được huấn luyện, mạng thần kinh có thể tạo ra kết quả chỉ trong thời gian chưa đến một phần nghìn giây.

Một đồng nghiệp khác của Davies là Anjali Piette cũng ứng dụng phương pháp tương tự trong nghiên cứu hành tinh ngoài hệ Mặt Trời.

Các nhà khoa học thường phân tích quang phổ của một hành tinh để tìm dấu hiệu của các phân tử khác nhau trong khí quyển. Nếu xuất hiện tín hiệu cho thấy sự hiện diện của một chất cụ thể, họ cần hiểu nguyên nhân tại sao chất đó tồn tại và điều kiện nào tạo ra nó.

Theo Piette, mục tiêu không chỉ là xác định một tín hiệu mà còn phải tìm ra câu chuyện phía sau dữ liệu.

Những ứng dụng này được xem là bước chuẩn bị cần thiết trước khi ngành thiên văn bước vào giai đoạn bùng nổ dữ liệu mới.

Nguồn dữ liệu lớn nhất được kỳ vọng sẽ đến từ Đài thiên văn Vera Rubin tại Chile. Hệ thống này bao gồm kính viễn vọng đường kính 8,4 m cùng camera kỹ thuật số 3 tỷ pixel, được xem là lớn nhất từng được chế tạo.

Trong vòng 10 năm hoạt động, Vera Rubin sẽ chụp một bức ảnh bầu trời sau mỗi 30 giây, tạo ra kho dữ liệu khổng lồ về vũ trụ phía nam.

Các nhà khoa học gọi dự án này là "bộ phim thiên văn lớn nhất từng được tạo ra".

Khối lượng dữ liệu tạo ra lớn đến mức gần như không thể xử lý bằng phương pháp truyền thống.

Quỹ Khoa học Quốc gia Mỹ đã thành lập Viện AI NSF-Simons for the Sky (SKAI) nhằm phát triển các công cụ AI có thể phát hiện những vật thể và hiện tượng mới từ dữ liệu của Vera Rubin.

Các nhà thiên văn kỳ vọng hệ thống này sẽ phát hiện số lượng lớn tiểu hành tinh, sao chổi, sao xung, siêu tân tinh và thậm chí cả những vật thể chưa từng được phân loại trước đây.

Điều khiến nhiều người bất ngờ là việc ứng dụng AI trong thiên văn học không nhất thiết đòi hỏi siêu máy tính khổng lồ hoặc lượng điện năng khổng lồ như nhiều mô hình AI tạo sinh hiện nay.

Stevance cho biết hệ thống của bà chỉ cần khoảng 15.000 ví dụ để huấn luyện và có thể chạy trên máy tính xách tay thông thường.

Gómez cũng cho biết dự án phân tích dữ liệu Hubble của ESA chỉ sử dụng một bộ xử lý đồ họa đơn lẻ trong vài ngày thay vì hàng chục nghìn GPU tiêu thụ lượng điện khổng lồ.

Theo ông, yếu tố quan trọng không phải lúc nào cũng là sức mạnh tính toán mà là lựa chọn đúng phương pháp và kết hợp với kiến thức chuyên môn phù hợp.

Hiện nay, phần lớn nhà thiên văn học vẫn ưu tiên sử dụng các công cụ AI chuyên biệt thay vì những mô hình ngôn ngữ hoặc AI tạo sinh phổ biến với công chúng.

Dù vậy, nhiều chuyên gia cho rằng AI tạo sinh vẫn sẽ đóng vai trò hỗ trợ ngày càng lớn trong nghiên cứu khoa học, từ thiết kế giao diện cho thiết bị, phối hợp làm việc với các nhóm nghiên cứu trên toàn thế giới cho đến hỗ trợ vận hành các hệ thống quang học phức tạp của kính viễn vọng.

Trong khi các nhà khoa học tiếp tục hướng mắt về những kính viễn vọng thế hệ mới, AI có thể đang mở ra một hướng khám phá khác: tìm thấy những điều chưa từng được nhìn thấy ngay trong chính dữ liệu mà nhân loại đã sở hữu từ nhiều năm trước.