Искусственный интеллект сегодня широко применяется для проверки альтернатив стандартной космологической модели лямбда-CDM, которые выдвигаются в связи появлением новых данных, показывающих вероятные отклонения от принятой модели. ИИ упрощает проверку: нейросеть длительно обучают инференсу космологических параметров на симуляциях, после чего ей передают реальные данные с телескопов, и она может быстро оценить, соответствуют ли параметры стандартной модели или отклоняются в сторону каких-либо альтернатив.

В Journal of Cosmology and Astroparticle Physics опубликовано исследование, авторы которого предложили способ значительно ускорить и удешевить процесс обучения ИИ для инференса параметров: прибегнуть к обучению с переносом. Для этого нейросеть сначала обучают на колоссальных архивах готовых данных симуляций стандартной модели, а затем дообучают на альтернативных моделях, но объем такого дообучения требуется гораздо меньший, чем обычно. В некоторых случаях, отмечают авторы, количество дорогостоящих симуляций удалось уменьшить на порядок.

Однако у этого подхода обнаружилась и обратная сторона: ИИ, «зазубривший» стандартную модель, может начать «путать» проявления, соответствующие альтернативным теориям, с параметрами лямбда-CDM, и выдает ошибочный результат.