Michael JohnsonOkoło jednej trzeciej nieba nigdy nie obserwowano w ultrafiolecie. 8 października 2026 roku Anthropic opublikowała relację astrofizyka Brice’a Ménarda o tym, jak wykorzystał Claude Science do połączenia archiwalnych obserwacji kosmicznych i oszacowania brakujących obszarów. Na mapie obszary zmierzone są oddzielone od prognoz modelu, dla których podano również ocenę niepewności.
Projekt pokazuje, jak agenci AI mogą pomagać w czasochłonnym przetwarzaniu archiwów naukowych: wyszukiwać zbiory danych, sprowadzać obserwacje do wspólnej skali i uruchamiać powtarzalne obliczenia. Aby sprawdzić prognozy, Ménard ukrywał przed modelem fragmenty obszarów z istniejącymi pomiarami ultrafioletowymi, a następnie porównywał odtworzone wartości z rzeczywistymi danymi.
Jak połączono obserwacje z różnych teleskopów
Ultrafiolet jest pochłaniany przez ozon atmosferyczny, dlatego obserwacje w tym zakresie prowadzi się z kosmosu. Głównym źródłem danych dla projektu była misja NASA GALEX, która obserwowała niebo w latach 2003–2012. Z przeglądu archiwalnego MAST wynika, że GALEX obserwował 77% nieba w co najmniej jednym paśmie; misja celowo pomijała niektóre obszary z bardzo jasnymi gwiazdami ze względu na ryzyko uszkodzenia detektorów. Projekt wykorzystał także dodatkowe dane z misji Swift oraz południowokoreańskiej misji FIMS/SPEAR.
Nie można było po prostu połączyć obserwacji z różnych instrumentów: należało je wzajemnie skalibrować, sprowadzić do tej samej rozdzielczości i wspólnego układu współrzędnych. Według opisu Ménarda Claude koordynowała pracę agentów wyszukujących otwarte przeglądy astronomiczne, przetwarzających obrazy i łączących wyniki. W schemacie projektu elementy obliczone za pomocą procedur deterministycznych są oddzielone od statystycznych oszacowań modelu.
Brakujące dane oszacowano na podstawie innych zakresów
Do uzupełnienia pustych obszarów Claude wykorzystała inpainting — metodę szacowania brakujących danych na podstawie wzorców w dostępnych obrazach. W miejscach bez obserwacji w ultrafiolecie dostępne były dane z zakresu widzialnego, podczerwieni i fal radiowych. Na obszarach z istniejącymi pomiarami ultrafioletowymi model szacował zależności między nimi a obserwacjami w innych zakresach, a następnie stosował te zależności do obszarów nieobjętych obserwacjami ultrafioletowymi.
Ménard sprawdzał prognozy na znanych obszarach: ukrywał część rzeczywistych danych w ultrafiolecie i prosił system o ich odtworzenie. Po kilku iteracjach oszacowania różniły się od ukrytych pomiarów o około 10% w tym teście. Wynik opisuje test przeprowadzony na znanych obszarach; Anthropic informuje również, że gotowa mapa zawiera oddzielne warstwy oznaczone jako „zmierzone” i „przewidywane” oraz oceny niepewności.
Na mapie umieszczono również oszacowania światła ultrafioletowego pochodzącego od ponad 100 milionów pojedynczych gwiazd. Przygotowano je na podstawie pomiarów w zakresie widzialnym z misji Gaia Europejskiej Agencji Kosmicznej. Mapa łączy więc obserwacje archiwalne z warstwami obliczeniowymi, zachowując informację o ich pochodzeniu.
Kontrola człowieka wykryła błąd pominięty w dwóch rundach przeglądu
Podczas oglądania obrazów Ménard zauważył słabe, okrągłe ślady pozostawione przez pojedyncze ekspozycje GALEX. Powstawały wskutek resztkowego świecenia ultrafioletowego ziemskiej atmosfery: gdy tło nie zostaje całkowicie usunięte, okrągłe pola obserwacji nieznacznie różnią się jasnością. Według relacji Ménarda dwóch rund kontroli przeprowadzonych przez innych agentów nie wykryło tej wady. Po jego uwadze agenci skorygowali tło we wszystkich 38 tysiącach obserwacji.
Ten epizod pokazuje, że agenci przyspieszali powtarzalne operacje, ale kontrola wizualna przeprowadzana przez specjalistę nadal była częścią procesu pracy. W końcowym opracowaniu warto zachować warstwy pośrednie, oddzielać obszary objęte prognozami i sprawdzać wyniki za pomocą obserwacji oraz analizy wizualnej.
Anthropic przedstawia mapę jako materiał edukacyjny, który obrazowo pokazuje struktury Drogi Mlecznej w ultrafiolecie. Praktyczny wniosek z projektu jest taki, że przetwarzanie z udziałem agentów może pomóc doprowadzić do końca czasochłonną pracę z otwartymi archiwami, o ile pomiary, oszacowania modelu i wyniki weryfikacji eksperckiej pozostają rozróżnialne.