یک کاربر ردیت با نام Terrible_Award_2124 توانسته است با کمک ابزار برنامه‌نویسی مبتنی بر هوش مصنوعی Claude Code، فرایند شناسایی شهاب‌ها در آسمان شب را خودکار کند. در این پروژه، ویدئوی 4K آسمان شب به‌صورت خودکار پردازش می‌شود و موارد مشکوک به شهاب برای بررسی و ثبت علامت‌گذاری می‌شوند.
از ویدئوی 4K تا پیام کوتاه صبحگاهی
بر اساس توضیحات این کاربر، جریان کاری (Workflow) شبانه اکنون هر شب و هم‌زمان با رسیدن ویدئو اجرا می‌شود. این سیستم هر تشخیص (Detection) را بررسی می‌کند و آن را می‌پذیرد یا رد می‌کند. سپس هر صبح موارد نامعتبر را کنار می‌گذارد و جزئیات بهترین شهاب‌ها را از طریق پیام کوتاه ارسال می‌کند. در شب‌های ابری نیز هیچ پیامی ارسال نمی‌شود.
بازآموزی مدل و کاهش هشدارهای اشتباه
در ادامه، زمانی که مدل (Model) ستاره‌ها را به‌اشتباه اجرام پرنده تشخیص می‌داد، کاربر از تشخیص‌های تأییدشده خود مجموعه داده‌ای ساخت و مدل را دوباره آموزش داد. نتیجه این بازآموزی (Retraining) نشان می‌دهد که در شب‌هایی که مدل روی آن‌ها آموزش ندیده بود، هشدارهای اشتباه (False Alarm) مربوط به ستاره‌ها از حدود نیمی از موارد به ۷ درصد کاهش یافته و مدل همچنان حدود ۹۰ درصد شهاب‌ها را شناسایی می‌کند.
نتیجه در عمل و دسترسی به پروژه
در ویدئوی نمایشی این پروژه، سیستم توانسته است ۱۷ شهاب، ۶ هواپیما و تعداد زیادی پرنده را ثبت کند. کاربر تأکید کرده است که برای بررسی این موارد نیازی به نشستن و بازبینی دستی همه تشخیص‌ها نداشته و Claude Code بخش اصلی کار را انجام داده است. علاقه‌مندان می‌توانند از طریق وبسایت OpenSkyCam این پروژه دوربین آسمان متن‌باز (Open Source) را بررسی کنند و آن را به ایجنت دلخواه خود متصل کنند.