Tratando de comprender mejor el Universo, estamos haciendo más observaciones de las que podemos gestionar. Los satélites como el telescopio espacial James Webb transmiten cientos de terabytes de datos cada año y un telescopio que se está construyendo en Chile producirá 15 terabytes de imágenes del espacio cada noche. Es imposible que los humanos podamos procesar tanta cantidad de información. Como dijo el astrónomo Carlo Enrico Petrillo: “Observar imágenes de galaxias es la parte más romántica de nuestro trabajo. El problema es mantener la concentración”. Por eso Petrillo entrenó un programa de Inteligencia Artificial para buscarlo.
Cuando un objeto masivo (una galaxia o un agujero negro) se interpone entre una fuente de luz distante y un observador en la Tierra, dobla el espacio y la luz a su alrededor, creando una lente que les da a los astrónomos una mirada más cercana a partes distantes e increíblemente antiguas de la Tierra. Esto se llama lente gravitacional y estas lentes son clave para comprender de qué está hecho el Universo. Sin embargo, hasta ahora, encontrarlos ha sido un trabajo lento y tedioso.
Aquí es donde entra la Inteligencia Artificial, ya que está cambiando la forma en que los astrónomos investigan y descubren cosas nuevas sobre el espacio. Les proporciona la capacidad de automatizar tareas que normalmente le tomarían a un ser humano mucho tiempo de pensamiento. Esto les está dando a los astrónomos más tiempo para explorar y mapear nuevas áreas del espacio.
En la década de 1930, la teoría de la relatividad general de Einstein predijo lentes gravitacionales, pero el primer ejemplo no se encontró hasta 1979. La búsqueda de lentes gravitacionales ha sido un asunto fragmentario hasta ahora porque el espacio es muy, muy grande y lleva mucho tiempo para que un humano pueda encontrarlos, sin contar con que la tecnología telescópica que tenemos a día de hoy no tiene nada que ver con la de hace 20 años.
Los científicos de la universidad de Bonn, en Nápoles, alimentaron una red neuronal de Inteligencia Artificial con muchos datos y para que pudiese reconocer patrones. Esta red neuronal, creada en Silicon Valley, es particularmente buena para manejar información visual y se utiliza en la actualidad para impulsar todo tipo de sistemas de visión artificial, desde cámaras en automóviles autónomos hasta el reconocimiento facial de etiquetado de imágenes de Facebook.
Primero, los científicos crearon un conjunto de datos para entrenar la red neuronal, lo que significó generar 6 millones de imágenes falsas que mostraban cómo se ven y cómo no se ven las lentes gravitacionales. Luego, introdujeron los datos a la red neuronal, dejándola identificar patrones lentamente. Un poco de ajuste más tarde, y tenían un programa que reconocía lentes gravitacionales en un abrir y cerrar de ojos.
Un clasificador humano, trabajando sin parar, esperaría encontrar solo cinco o seis ejemplos de lo que estaba buscando en una base de datos de 21.789 imágenes y tardaría unas 22 horas. Sin embargo, la red neuronal los encontró en solo 20 minutos, y esto fue con solo un solo procesador de ordenador antiguo.
La red neuronal no era tan precisa como un científico y para evitar pasar por alto cualquier posible lente gravitacional, sus parámetros fueron bastante generosos. Produjo 761 posibles candidatos, que los humanos examinaron y redujeron a una selección de 56. Será necesario realizar más observaciones para confirmar que estos son hallazgos legítimos, pero suponen que alrededor de un tercio resultarán dar en el clavo. Eso da como resultado aproximadamente una lente gravitacional detectada por minuto, en comparación con las cien que toda la comunidad científica ha encontrado en las últimas décadas. Es una aceleración increíble y un ejemplo perfecto de cómo la IA puede ayudar a la astronomía.
Las lentes gravitacionales son clave para comprender uno de los grandes misterios de la astronomía: ¿de qué está hecho realmente el Universo? Se cree que la materia con la que estamos familiarizados (planetas, estrellas, asteroides, etc.) comprende solo el 5 por ciento de todas las cosas físicas, mientras que otras formas de materia más extrañas constituyen el otro 95 por ciento. Esto incluye una sustancia hipotética conocida como materia oscura, que nunca hemos observado directamente. En cambio, estudiamos los efectos gravitatorios que tiene sobre el resto del Universo.
Entonces, ¿qué más puede hacer la Inteligencia Artificial? Los investigadores están trabajando en una serie de nuevas herramientas. Algunos, como el de las lentes gravitacionales, están asumiendo el trabajo de identificación: clasificar galaxias, por ejemplo. Otros están ayudando a analizar los flujos de datos en busca de señales interesantes, como una red neuronal que elimina la interferencia humana de los radiotelescopios para ayudar a los científicos a localizar señales potencialmente emocionantes. Aún se han utilizado más para identificar estrellas púlsares, localizar exoplanetas inusuales o mejorar las imágenes de telescopios de baja resolución. En resumen, hay una bonanza de aplicaciones potenciales.
La explosión de la Inteligencia Artificial en la astronomía se debe en parte a las tendencias de hardware más grandes que han permitido el campo más amplio de la IA, como una abundancia de potencia informática barata. Pero también se debe a la naturaleza cambiante de la astronomía. Los astrónomos ya no realizan vigilias solitarias en noches sin nubes, siguiendo el movimiento de planetas individuales; en cambio, utilizan maquinaria sofisticada que engulle porciones del cielo en tragos de datos inimaginables para los primeros científicos. Mejores telescopios y mejor almacenamiento de datos significa que hay más que nunca para analizar.
La Inteligencia Artificial es excelente para analizar extensos conjuntos de datos para discernir patrones. Podemos enseñarle a reconocer patrones y luego utilizarlo como un asistente incansable que siempre es constante y no parpadea.
Los científicos de la Universidad de Bonn dicen que no les preocupa el hecho de que los astrónomos estén confiando en una máquina que podría carecer de la percepción humana necesaria para detectar algo sensacional. Además, afirman que los ordenadores pueden pasar por alto ciertas cosas, pero las pasarán por alto de manera sistemática. Mientras sepamos qué es lo que los ordenadores no saben, podemos implementar sistemas automatizados sin demasiado riesgo.
Algunos astrónomos piensan que la inteligencia artificial podría ir más allá de la clasificación de datos. Piensan que la IA podría usarse para crear información, llenando los puntos ciegos en nuestras observaciones del Universo.
El astrofísico Kevin Schawinski y su equipo utilizaron IA para mejorar la resolución de las imágenes borrosas del telescopio. Para ello, desplegaron una especie de red neuronal que genera variaciones de los datos que estudia, como un falsificador bien entrenado que imita el estilo de un pintor famoso. Estas redes, llamadas redes adversarias generativas o GAN, se han utilizado para crear caras falsas basadas en imágenes de celebridades; diálogos de audio falsos que imitan las voces de las personas; y una gama de otros tipos de datos. Son una de las vetas más ricas de la investigación contemporánea de IA y, para Schawinski, significaban obtener información que no estaba allí antes.
Schawinski y su equipo publicaron un artículo que mostraba cómo se podrían usar las GAN para mejorar la calidad de las imágenes del espacio. Redujeron la calidad de imagen de un montón de imágenes de galaxias, agregando ruido y desenfoque, luego usaron un GAN entrenado en imágenes de telescopio para aumentar su resolución, comparándolas con las originales. Los resultados fueron sorprendentemente precisos: lo suficientemente buenos como para convencer a Schawinski de que la IA tiene potencial para mejorar todo tipo de conjuntos de datos en astronomía. Él dice que él y su equipo tienen «muchos resultados interesantes en preparación», pero no pueden revelar nada antes de que se publiquen.
Schawinski duda sobre el proyecto porque parece ir en contra de uno de los principios clave de la ciencia: aprender sobre el universo a través de la observación. “Esta podría ser una herramienta muy peligrosa”, explica, que solo debe usarse cuando los datos son abundantes y precisos, y los resultados pueden verificarse. Por ejemplo, se podría emplear una GAN para generar datos sobre agujeros negros y luego liberarlos en un área del cielo que no se ha observado con mucho detalle antes. Si la GAN sugiere que hay un agujero negro presente, los astrónomos confirmarían este hallazgo de primera mano. Según Schawinski, como con cualquier herramienta científica, es necesario realizar pruebas cuidadosas y consistentes para garantizar que los resultados sean precisos y no engañosos.
Si estos métodos resultan exitosos, podrían proporcionar una nueva forma de exploración, con Schawinski colocado junto a las simulaciones por computadora clásicas y la buena observación a la antigua. Aunque todavía es muy pronto, las recompensas potenciales podrían ser grandes. «Si tenemos esta herramienta», dice Schawinski, «podemos revisar toda la información que ya existe en los archivos y, con algunas mejoras menores, extraer mucho más valor científico». Este es un valor que antes no se podía obtener. La IA estaría llevando a cabo una especie de alquimia científica, ayudándonos a transformar el conocimiento antiguo en nuevo. Además, podríamos explorar el espacio de una manera que nunca antes se había hecho, todo sin salir de la Tierra.
