En la antigua Babilonia, los observadores de estrellas registraban meticulosamente el cielo nocturno y grababan sus observaciones en tablillas para anotar los movimientos celestes más sutiles.
Sus observaciones, junto con las de otras civilizaciones antiguas, sentaron las bases para luminarias como Johannes Kepler, que utilizó los datos de Tycho Brahe para desvelar las órbitas elípticas de los planetas mucho antes de que tuviéramos las herramientas para observar tales fenómenos con nuestros propios ojos.
Hoy en día, la humanidad no está menos ansiosa por descifrar las complejidades del cosmos, y la IA se ha convertido en un aliado en nuestra búsqueda de respuestas.
Lentes de cristal a gigabytes
Inventado a principios del siglo XVII, el telescopio proporcionó a los astrónomos una ventana al cosmos.
Por primera vez, los ojos humanos podían penetrar más allá de la atmósfera.
Además de observar directamente los objetos celestes con telescopios, la humanidad se volvió experta en calcular las interacciones entre órbitas, lo que llevó al astrónomo francés Urbain Le Verrier a predecir la existencia de Neptuno a partir de la órbita de Urano antes de que se confirmara en 1846.
Las matemáticas y la astronomía han estado íntimamente ligadas durante miles de años, y son esos cálculos con los que la IA destaca.
El lanzamiento del telescopio espacial Kepler en 2009 marcó una nueva era en la exploración extrasolar. Encargado de identificar exoplanetas -planetas que se encuentran fuera de nuestro sistema solar- monitorizando el brillo de más de 150.000 estrellas, Kepler envió a la Tierra un volumen colosal de datos.
Aunque durante su misión se confirmaron más de 2.600 exoplanetas, los investigadores siguen analizando los datos en la actualidad.
En 2021, más de 10 años después del lanzamiento del telescopio, la NASA anunció que un modelo de IA había ayudado a los investigadores a añadir 301 nuevos exoplanetas validados a la colección total de 4.569.
El modelo, una red neuronal profunda llamado ExoMinerpodría validar sólidamente estos exoplanetas propuestos, algo que, de otro modo, requeriría un largo análisis manual.
Hamed Valizadegan, director del proyecto ExoMiner, declaró: "Cuando ExoMiner dice que algo es un planeta, puedes estar seguro de que lo es. ExoMiner es muy preciso y, en cierto modo, más fiable que los clasificadores automáticos existentes y que los expertos humanos a los que pretende emular, debido a los sesgos que conlleva el etiquetado humano".
Orígenes universales
El interior de Australia Occidental alberga el Murchison Widefield Array (MWA).
A diferencia de los telescopios tradicionales, el MWA es un radiotelescopio que escucha las primeras ondas de radio del universo.
Al captar las señales de radio procedentes del espacio, la MWA permite vislumbrar el estado del universo hace casi 13.000 millones de años. Esto no está exento de dificultades, ya que las interferencias de radio actuales amenazan con ahogar las antiguas expresiones del universo.
Utilizando la IA, los investigadores pueden filtrar y diferenciar entre el ruido radioeléctrico y los susurros primordiales del universo, lo que permite realizar análisis más precisos.
Visualización de objetos celestes
En Telescopio Event Horizon (EHT), que captó la primera imagen de un agujero negro, se basó en el procesamiento de inteligencia artificial para convertir sus observaciones en algo claro y coherente.
El EHT reúne varios telescopios de todo el mundo para crear un megatelescopio único.
Utilizando las fuerzas combinadas de múltiples conjuntos de telescopios, el EHT pudo observar el agujero negro supermasivo situado en el centro de la Vía Láctea.
Convertir estas observaciones en una imagen precisa requiere aprendizaje automático para calcular la forma más probable a partir de los datos disponibles.
El modelo ML, PRIMOanalizó las características de 30.000 agujeros negros simulados para generar la imagen que se muestra a continuación y que ha circulado ampliamente.
Se calcula que el agujero negro tiene 6.500 millones de veces la masa del Sol.
La IA descubre un asteroide "potencialmente peligroso
Se habla mucho de los riesgos de la inteligencia artificial, pero ¿y si nos salvara de un asteroide mortal?
Investigadores del próximo Observatorio Vera Rubin, en el norte de Chile, descubrieron recientemente un asteroide potencialmente peligroso utilizando un modelo de IA.
El Observatorio Vera Rubin, en el norte de Chile, aún en construcción, está llamado a convertirse en la cámara digital más potente utilizada para la fotografía astronómica,
HelioLinc3D, el programa de IA responsable de este descubrimiento, fue diseñado para apoyar los esfuerzos del Observatorio Vera C. Rubin en la detección de asteroides. El modelo se utilizó como prueba en el observatorio ATLAS de Hawai.
La IA descubrió un asteroide de unos 180 metros de ancho, bautizado como 2022 SF289.
Se prevé que este objeto celeste, de unos 182 m de ancho, se acerque a la Tierra hasta 225.000 km.
Si tenemos en cuenta que la distancia media de la Luna a la Tierra es de 384.400 km (238.855 millas), se trata de un asteroide más cercano de lo que parecen indicar las cifras en bruto, lo que lo convierte en un asteroide potencialmente peligroso (PHA). Pero no se espera que nos golpee.
HelioLinc3D es mucho más rápido y eficaz que los métodos actuales para detectar asteroides potencialmente peligrosos.
Tradicionalmente, esto requiere capturar imágenes de segmentos específicos del cielo varias veces por noche, mientras que HelioLinc3D requiere menos observaciones y funciona bien con objetos débiles.
Los telescopios suelen captar una densa dispersión de ruido inútil cuando observan objetos débiles, lo que hace que detectar asteroides auténticos sea excepcionalmente difícil.
Larry Denneau, astrónomo jefe de ATLAS, destacó la implicaciones de este descubrimiento: "Cualquier sondeo tendrá dificultades para descubrir objetos como 2022 SF289 que están cerca de su límite de sensibilidad, pero HelioLinc3D demuestra que es posible recuperar estos objetos débiles siempre que sean visibles durante varias noches. Esto nos proporciona un telescopio "más grande y mejor"".
El científico del Rubin y jefe del equipo HelioLinc3D, Mario Jurić, declaró: "Esto es sólo una pequeña muestra de lo que nos espera con el Observatorio Rubin en menos de dos años, cuando HelioLinc3D descubra un objeto como éste cada noche."
Y añadió: "Pero, en términos más generales, es un anticipo de la próxima era de la astronomía intensiva en datos. Desde HelioLinc3D hasta los códigos asistidos por IA, la próxima década de descubrimientos será una historia de avances en algoritmos tanto como en nuevos y grandes telescopios."
Determinar la edad de las estrellas con IA
La IA también está ayudando a los investigadores a trazar la historia del universo.
Un modelo reciente desarrollado como versión mejorada con IA de un proyecto anterior, EAGLES (Estimación de edades a partir de anchuras equivalentes de litio)analiza la presencia de litio en las estrellas para estimar su edad.
Históricamente, todas las estrellas comienzan su vida con una proporción similar de litio. Sin embargo, a medida que envejecen, este litio se agota a ritmos diferentes debido a factores como sus masas y las temperaturas asociadas.
La temperatura de una estrella, indicativa de su masa, desempeña un papel fundamental en su consumo de litio.
En las estrellas más calientes, el aumento de la convección en las capas externas provoca turbulencias que envían litio al interior de la estrella y lo fusionan con protones para producir dos núcleos de helio. En consecuencia, los niveles de litio descienden con el tiempo.
Observando la abundancia de litio de una estrella junto con su temperatura, los astrónomos pueden extrapolar su edad.
Tradicionalmente, determinar la edad de una estrella a partir de su litio implicaba evaluar la intensidad del litio en los datos espectrográficos y cotejarla con los modelos de evolución estelar establecidos.
Este proceso no sólo fue arduo, sino también limitado en su alcance. George Weaver, de la Universidad británica de Keele, señaló que es "difícil de hacer y requiere mucho trabajo".
Weaver y el astrofísico Robin Jeffries, de la Universidad de Keele, desarrollaron el algoritmo EAGLES para agilizar este proceso.
Entrenando a EAGLES con un conjunto de datos de 6.000 estrellas de 52 cúmulos observados por el Misión Gaiadesarrollaron un modelo capaz de estimar el salario de una estrella con un trabajo manual mínimo.
EAGLES se empleará próximamente en dos amplios sondeos: el sondeo WEAVE en el telescopio William Herschel en 2023 y el sondeo 4MOST en el telescopio VISTA del Observatorio Europeo Austral en 2024.
"Se trata de dos grandes sondeos espectroscópicos que... tomarán espectros de, literalmente, decenas de millones de estrellas", declaró Jeffries.
Uno de los objetivos de los sondeos es trazar la historia de la formación estelar en las distintas poblaciones estelares de la galaxia.
La xAI de Elon Musk
No podemos dejar a Elon Musk fuera de un debate existencial que abarque el cosmos.
En julio, Musk desveló su última moonshot... xAI. Este nueva y misteriosa empresa de IA pretende investigar conceptos científicos acuciantes como la materia oscura, la energía oscura, la paradoja de Fermi y la existencia de extraterrestres.
En palabras de Musk, xAI indagará en "cuestiones fundamentales" relativas a "la realidad" y "el universo".
Musk y su equipo mantuvieron un debate en Twitter sobre xAI, y aunque intrigante, no aclaró mucho sobre la estrategia de la startup. Hasta agosto de 2023, no hay información concreta sobre qué pretende hacer y cómo.
Gran resumen https://t.co/s2QE9zuzp4
- xAI (@xai) 15 de julio de 2023
Algunos especulan con que xAI creará modelos de IA orientados a la ciencia y las estadísticas para impulsar la investigación. Podría adoptar la forma de un "agente general" de IA orientada a la ciencia que pueda realizar prácticamente cualquiera de las funciones mencionadas.
La xAI podría aportar su potencia de cálculo a los investigadores científicos, aliviando algunos cuellos de botella asociados a la implantación de modelos complejos en entornos académicos.
Por otro lado, xAI podría culminar en otro gran modelo lingüístico (LLM), o quizá no llegue a nada en absoluto, aunque eso sería decepcionante dado el calibre del equipo fundador de la startup.
Si xAI consigue un modelo de IA superpotente para fines de investigación, los científicos podrían crear modelos especializados para todo tipo de aplicaciones en física, astronomía, medicina, climatología y otros campos.
A pesar de sus problemas, la IA dota a la humanidad de herramientas para explorar nuevas fronteras que hasta hace unos años no se creían posibles.
Esta tecnología, aún en pañales, está revelando su potencial para identificar asteroides peligrosos, exoplanetas y la edad de las estrellas, lo que nos permitirá ampliar nuestros horizontes cósmicos y ensanchar nuestro conocimiento del universo.
Dejando a un lado todos los riesgos, el uso de la IA para explorar los secretos del universo es una perspectiva tentadora.
