Несколько месяцев назад на Солнце взялось крупнейшее солнечное пятно, какое мы видали за последние 24 года. Это чудовищное пятно было броско безоружным буркалом (то жрать без приближения, однако с защитными очками) и породило более сотни вспышек. Количество пятен на Солнце меняется циклически всякие 11 лет, увеличиваясь и уменьшаясь. Прямо сейчас солнце будет в наиболее деятельной части этого цикла: мы ожидаем бессчетно пятен и бессчетно вспышек в кратчайшие месяцы.
Людей, будто правило, запугивает разрушительная могущество солнечных вспышек — жрать шанс, что как-то мощный взрыв на Солнце швырнет в нашу палестину тонну энергетических капелек и поджарит наши спутники связи. Но никто не задумывается о том, что мы можем предсказать таковские вспышки, подобно погоде, а значит и отвести нанесение вероятного ущерба. Но будто же предсказать солнечную вспышку?
Один из способов заключается в использовании программ машинного обучения субъекта ненастоящего интеллекта, какой самодействующи извлекает настоящие из эксперимента. Эти алгоритмы беспрерывно улучшают свои математические модели, когда показывают новоиспеченные настоящие. Но для того, дабы важнецки обучаться, алгоритмы спрашивают большущих объемов настоящих. Ученым не хватало настоящих о Солнце до 2010 года, доколе не была запущена Обсерватория солнечной динамики(Solar Dynamics Observatory, SDO), следящий за солнцем попутчик, какой отправляет всякий девай распорядка полутора терабайт настоящих на землю — вяще, чем этот попутчик, настоящих не отправлял ни один-одинехонек аппарат в истории NASA.
Солнечные вспышки, будто знаменито, это сложный деятельный процесс. Они возникают в солнечной атмосфере над солнечными пятнами, размещенными на поверхности Солнца. Солнечные пятна, какие всегдашне приходят четами, орудуют будто стержневые магниты — одно пятно будто нордовый полюс, иное будто полдневный. Учитывая то, что на Солнце весьма бессчетно пятен, неодинаковые пласты Солнца вертятся с неодинаковой скоростью, само Солнце обладает нордовым и полдневным полюсом, магнитное поле становится крайне насыщенным. В итоге показывают магнитные поля, скрученные будто резинка, какие выбрасывают бессчетно энергии в процессе своего существования. Так показывает солнечная вспышка. Иногда скрученные поля не вспыхивают, временами вспышки показывают из безобидных на внешность пятен, временами гигантские солнечные пятна ничего не выделывают.
Мы не знаем, будто возникают солнечные вспышки с точки зрения физики. У нас жрать — мы знаем, что вспышки обладают магнитной натурой, — однако мы не знаем, будто они выбрасывают настолько бессчетно энергии с подобный скоростью. В отсутствие бесповоротной плотской теории, важнейшая упование для прогнозирования солнечных вспышек валяется в обработке наших гигантских массивов настоящих в розысках подсказок.
Есть два основных способа прогнозирования солнечных вспышек: численные модели и статистические модели. В первом случае мы взимаем за основу физику, какую знаем, составляем уравнения, запускаем их во времени и получаем прогноз. Во втором — мы используем статистику. Мы отвечаем на спросы: какова вероятность того, что в деятельном регионе с гигантским солнечным пятном возникнет вспышка?А какова вероятность того, что это случится с крохотным пятном?В итоге показывают гигантские комплекты настоящих, абсолютные деталей: размеры солнечных пятен, могущество магнитного поля. Затем ученые разыскивают связи между этими деталями и солнечными вспышками.
Алгоритмы машинного обучения могут возложить этому амба. Мы используем алгоритмы машинного обучения всюду. Биометрические часы используют их, дабы пробудить нас, когда надобно нашему организму. Они важнее докторов вещают жидкие генетические заболевания. Они определяют картины, какими вдохновлялись ученые на протяжении всей истории. Ученые почитают алгоритмы машинного обучения универсально здоровыми, поскольку они могут кумекать в нелинейных настоящих, а при большущих массивах людам это утилитарны невозможно сделать. Но больно бессчетно моделей нелинейны, оттого таковские алгоритмы все вяще находят применение во всех сферах.
Ученые используют алгоритмы машинного обучения, дабы предсказать солнечные вспышки, базируясь на гигантском комплекте настоящих SDO. Для этого пришлось возвести базу настоящих всех деятельных регионов, какие когда-либо следила SDO. Поскольку это исторические настоящие, мы уже знаем, вспыхивали ли эти деятельные регионы или дудки. Алгоритм обучения разбирает детали деятельных регионов — размеры солнечных пятен, могуществу связанных с ними магнитных пустотелее, их скрученность — чтобы выявить всеобщую характеристику деятельно вспыхивающего региона.
Чтобы сделать это, алгоритм начинает с предположения. Допустим, вначале он предполагает, что крошечное солнечное пятно со легким магнитным полем породит гигантскую вспышку. Затем испытывает ответ. Упс, дудки. Затем алгоритм перестраивает свое гипотеза. В вытекающий один он уже по-другому забежит. Методом проб и оплошек, с сотнями тысяч предположений и проверок, алгоритм исподволь повышает точность своих прогнозов. Его можно применять к настоящим в порядке реального времени, и он продолжает обучаться.
Продолжение работы в этом течении обеспечит нас важнейшим пониманием грядущих солнечных вспышек. Пока ученые показали, что алгоритмы машинного обучения важнее или, на худой амба, таковские же, будто и статистические или численные методы. И это круто, на самом деле. Такие алгоритмы, какие могут вкалывать без участия людей, попросту просматривая огромные массивы настоящих, будут нескончаемо пользительны — и чем отдаленнее, тем вяще — в самых неодинаковых сферах. Самое любопытное, что те же алгоритмы, какие ладят прогнозы солнечных вспышек, могут вкалывать и с генетическими заболеваниями и их определением.
А что, если настоящих будет вяще?Кто знает. Хотя у нас уже бессчетно настоящих о Солнце — SDO вкалывает уже четыре с половиной года — с тех пор было не настолько бессчетно солнечных вспышек. Потому что мы будем в самом негромком солнечном цикле столетия. Есть резон продолжить сбор настоящих.
