現代の望遠鏡から得られる膨大なデータという課題に、天文学者は直面しています。その多くのアラートは誤検出です。これらのイベントを分類するために使用されるCNNなどの特殊な機械学習モデルは、多くの場合、説明可能性を欠き、「ブラックボックス」として機能します。この研究では、GoogleのマルチモーダルモデルであるGeminiを使用して、天文学的イベントを分類し、説明を提供することを検討しています。研究者たちは、Geminiをトレーニングするために、各調査あたりわずか15個のラベル付きサンプルを使用した少ショット学習を採用しました。Geminiは、3つのデータセット全体で93％の精度を達成し、専門モデルに匹敵する結果を示し、その推論を平易な言葉で説明しました。このモデルは、テキストによる説明と関心スコアを生成し、科学者を支援する透明性の高いツールへと変貌を遂げました。人間の天文学者はGeminiの分類をレビューし、その説明が首尾一貫しており、役立つことを確認しました。重要な発見は、Geminiが自身の不確実性を評価し、潜在的なエラーにフラグを立てる能力を持っていることでした。この機能により、人間が介在するワークフローが可能になり、科学者の注意を集中させることができます。反復的なフィードバックを通じて、MeerLICHTデータセットにおけるモデルの精度が向上しました。このアプローチは、説明可能なAIによって実現される科学的発見への一歩を表しています。この技術は、新しい機器やさまざまな分野の研究に迅速に適応できる可能性があります。構想されている「エージェントアシスタント」は、データを統合し、信頼性を評価し、発見の優先順位を決定することができます。このプロジェクトは、アクセス可能なAIを通じて、研究者が次の偉大な科学的疑問を問いかけることを可能にすることに焦点を当てています。