Astronomie se za poslední dekády proměnila víc než za celé předchozí století. Dřív šlo hlavně o to něco vůbec zachytit. Slabý signál, rozmazaný snímek, první náznaky vzdálených objektů. Dnes máme k dispozici detailní mapy galaxií, simulace vývoje vesmíru a přesná měření, která by ještě nedávno působila jako sci-fi.

Jenže čím víc toho vidíme, tím hůř se v tom orientujeme. Každé nové měření přidává další vrstvu dat. A těch už je tolik, že je není možné procházet jen lidskou intuicí a ručně laděnými modely.

Vědci si samozřejmě pomáhají algoritmy. Ty třídí data, filtrují šum a snaží se z nich vytáhnout smysluplné vzorce. Problém je, že jejich vývoj je pomalý a náročný. Vylepšit přesnost o pár procent může trvat roky. Ne proto, že by chyběly znalosti, ale protože počet možných řešení je obrovský.

Systém, který se učí zkoušením

Právě tady přichází na scénu nový přístup. Systém označovaný jako MadEvolve nestaví na tom, že by někdo přišel s jedním dokonalým nápadem. Dělá pravý opak. Bere existující algoritmy a začne je systematicky upravovat, testovat a znovu upravovat.

Je to proces, který připomíná evoluci. Vznikne změna, ta se otestuje a pokud přináší lepší výsledek, pokračuje se dál. Pokud ne, systém ji zahodí a zkusí jinou cestu. Bez emocí, bez únavy, bez potřeby „věřit“ vlastnímu řešení.

Velkou roli v tom hrají moderní jazykové modely, které dokážou generovat kód. Nejen že zvládnou upravit existující algoritmus, ale často navrhnou i varianty, které by člověka nenapadly. Druhá část procesu pak funguje jako filtr. Každá změna musí projít testem podle fyzikálních pravidel. Buď zlepší výsledek, nebo končí.

Nejde tedy o chaotické zkoušení, ale o řízený proces, kde má každá úprava jasné měřítko úspěchu.

Když se tenhle přístup začal testovat v praxi, výsledky překvapily i samotné výzkumníky. V některých případech se podařilo výrazně zpřesnit algoritmy používané při rekonstrukci raného vesmíru. To je oblast, kde se pracuje s extrémně slabými signály a každé zlepšení má reálný dopad na to, jak chápeme vznik struktur ve vesmíru.

Podobně dobře si systém vedl i při odstraňování šumu z pozorování. V astronomii je to každodenní boj. Signál bývá slabý a snadno se ztratí v rušení. Lepší algoritmus znamená, že ze stejných dat lze vytěžit víc informací, aniž by bylo nutné pořizovat nová měření.