현대 망원경으로부터 천문학자들이 직면한 엄청난 데이터 과제는, 경고의 대부분이 오탐이라는 점입니다. 이러한 이벤트를 분류하는 데 사용되는 CNN과 같은 특화된 머신러닝 모델은 종종 설명력이 부족하여 "블랙 박스" 역할을 합니다. 이 연구는 천문학적 이벤트를 분류하고 설명을 제공하기 위해 구글의 멀티모달 모델인 Gemini를 사용하는 것을 탐구합니다. 연구자들은 Gemini를 훈련시키기 위해 각 설문 조사당 15개의 레이블이 지정된 예제만 사용하는 소수 샷 학습을 사용했습니다. Gemini는 세 개의 데이터 세트에서 93%의 정확도를 달성했으며, 이는 특화된 모델과 유사하며, 일반 언어로 그 추론을 설명했습니다. 이 모델은 텍스트 설명을 생성하고 관심 점수를 제공하여 과학자들을 돕는 투명한 도구로 변환합니다. 인간 천문학자들은 Gemini의 분류를 검토하고 그 설명이 일관되고 도움이 된다는 것을 발견했습니다. 중요한 발견은 Gemini가 잠재적 오류를 표시하면서 자체 불확실성을 평가할 수 있다는 점이었습니다. 이 기능은 인간 중심의 워크플로우를 가능하게 하여 과학자들의 관심을 집중시킵니다. 반복적인 피드백을 통해 MeerLICHT 데이터 세트에서 모델의 정확도가 향상되었습니다. 이 접근 방식은 설명 가능한 AI에 의해 강화된 과학적 발견을 향한 한 걸음을 나타냅니다. 이 기술은 새로운 기기 및 다양한 분야의 연구에 빠르게 적용될 수 있는 잠재력을 가지고 있습니다. 구상된 "에이전트 보조자"는 데이터를 통합하고, 신뢰도를 평가하며, 발견을 우선시할 수 있습니다. 이 프로젝트는 접근 가능한 AI를 통해 연구자들이 다음 위대한 과학적 질문을 할 수 있도록 힘을 실어주는 데 중점을 둡니다.