Cómo los telescopios autónomos con inteligencia artificial podrían transformar la astronomía

Los astrónomos y físicos continúan buscando las respuestas a las preguntas más profundas del universo, pero en muchos asuntos, incluida la materia oscura y la energía oscura, se ven obstaculizados.

¿Qué pasaría si un telescopio de funcionamiento autónomo, libre de sesgos y complicaciones humanas, pudiera encontrar las soluciones que nos faltan?

Hoy en día, los humanos dirigen los observatorios por el cielo apuntándolos hacia objetos individuales o, más a menudo, moviéndose entre una lista de objetivos sobre los que esperan recopilar datos teniendo en cuenta el movimiento de la Tierra, el clima y otros factores.

Los científicos ahora están pensando en formas de programar y automatizar cómo los telescopios escanean su lista de objetivos, para optimizar sus búsquedas de eventos cósmicos emocionantes.

Un día, los telescopios alimentados por inteligencia artificial podrían incluso escribir y probar hipótesis para físicos.

“Justo como tomamos decisiones sobre la forma de girar un automóvil y qué libro leer, qué simulaciones y qué observaciones hacer pueden parametrizarse para explorar los espacios más profundos de nuestra ignorancia“, dijo a Nord Gizmodo Brian Nord, científico asociado de Fermilab.

Hoy, se envía una lista de objetivos a un telescopio, donde un guión de computadora ayudado por un humano controla el apuntar y selecciona los objetivos de interés.

Nord ve esto como una oportunidad para que el telescopio tome mejores decisiones e incluso explore fuera de las coordenadas específicas que se le dieron.

Un telescopio “inteligente” podría incluso explicar cualquier situación inesperada en tiempo real, como girar para pasar más tiempo observando un estallido repentino de un agujero negro.

Nord ya estaba familiarizado con el uso del aprendizaje automático para clasificar objetos en el espacio, y a través de conversaciones con otros expertos, se dio cuenta de que el aprendizaje automático podría ser una forma de optimizar el rendimiento de los experimentos científicos, incluidos los telescopios.

“Es un problema desafiante“, explicó Auralee Edelen, ahora investigadora asociada en el Laboratorio Nacional de Aceleradores de SLAC, quien en parte inspiró a Nord gracias a su trabajo aplicando el aprendizaje automático para controlar los aceleradores de partículas.

La Tierra está girando, el cielo nocturno cambia durante todo el año y la capa de nubes podría bloquear el próximo objetivo en su lista en una noche determinada.

“Si solo fuera un humano mirando el pronóstico del tiempo tratando de planificar un camino que sea mejor para mirar un nuevo conjunto de objetivos después de que cambien las condiciones, eso es algo difícil de hacer“, dijo Edelen a Gizmodo.

“Pero este tipo de planificación de ruta es algo para lo que la IA debería ser bastante adecuada“.

Esto no necesariamente excluye a los operadores de telescopios de un trabajo: todavía tendrían la función de mantener el telescopio, verificar el lugar y asegurarse de que el programa no intente hacer que el telescopio funcione fuera de sus limitaciones, como intentar mirar a fuentes que un telescopio fijo no puede apuntar físicamente.

Pero Nord tiene ideas más allá de simplemente planificar el camino más eficiente a través del cielo.

¿Qué pasaría si se pudiera automatizar todo el proceso del descubrimiento astrofísico?

En 2016, Nord lideró una colaboración que introdujo una prueba de concepto llamada SPOKES, o SPectrOscopic KEn Simulation workflow.

El proyecto simularía parámetros estimados de cosmología, como uno llamado la ecuación de estado de energía oscura, que determina el destino final del universo.

Incorpora las constantes físicas que ya hemos medido sobre el universo, así como información sobre los mismos instrumentos que estarían observando galaxias, para calcular el parámetro.

En esencia, es un marco que le permite simular no solo el universo sino la interacción entre un telescopio y el universo.

Nord pensó en cómo se vería este sistema con el aprendizaje automático agregado.

Se podría usar un algoritmo de aprendizaje automático para generar la configuración experimental óptima con la que observar el universo, como la forma en que se asignan las fibras ópticas para observar diferentes longitudes de onda de la luz, para calcular esta ecuación de estado de energía oscura.

Luego, puede reemplazar el telescopio simulado con un telescopio real basado en estos parámetros, lo que proporcionaría a la simulación nuevos datos.

La simulación se actualizaría en función de los datos entrantes y señalaría automáticamente el telescopio a fuentes que ayudarían a conciliar las diferencias entre lo que observa el telescopio y lo que predice la simulación.

En teoría, una vez que el universo simulado y el universo real estuviesen de acuerdo, un astrónomo podía ver qué valor daba la simulación para la ecuación de estado de energía oscura.

Nord propuso un experimento de este tipo, llamado Experimento de Cosmología Automatizada, o ACE, para la AI for Science reunida por el Laboratorio Nacional Argonne en 2019.

Estaba entusiasmado con el potencial de un sistema de este tipo para generar sus propias hipótesis sobre cómo el universo luce en la simulación y luego probarlas eligiendo los objetivos de observación en tiempo real.

Elimine al ser humano de la ecuación, y un sistema de este tipo podría descubrir nuevos objetos o verdades sobre el universo que los prejuicios o la intervención humana los hacen perder.

Por ejemplo, hay un sesgo bien conocido llamado sesgo de Malmquist que básicamente dice que los humanos están más inclinados a mirar objetos más brillantes (como las galaxias), lo que lleva a una muestra de observación que no es representativa de toda la población.

Quizás un sistema automatizado podría evitar esto.

Aunque un experimento tan completamente automatizado se acerca al territorio del cielo generado por algoritmos, se basa en una sinergia creciente entre la inteligencia artificial y la astronomía.

La IA puede clasificar las imágenes de objetos en el cielo, como galaxias distantes y supernovas, ordenando previamente las observaciones para que los astrónomos puedan examinar solo las imágenes que puedan ser relevantes para su trabajo.

Los investigadores ya han utilizado técnicas de aprendizaje automático para predecir algunos de los parámetros físicos del universo y para reducir el ruido en las imágenes del cielo.

Un equipo de científicos dirigido por Elahesadat Naghib en Princeton diseñó una forma de utilizar el aprendizaje automático para programar observaciones en el próximo Gran Telescopio de prospección sinóptica, similar a la idea del telescopio autónomo de Nord.

Pero hay desafíos únicos que vienen con una integración tan fuerte del aprendizaje automático.

Los algoritmos tienen fama de ser “cajas negras”. Puede ser difícil entender exactamente lo que están haciendo y por qué.

Joshua Peek, astrónomo asociado del Instituto de Ciencia del Telescopio Espacial, le explicó a Gizmodo que solo elegir qué mirar puede introducir sesgo, y la IA es extremadamente buena para explotar el sesgo hasta el punto de cometer errores potencialmente dañinos.

Con razón, hay mucho escepticismo sobre estos sistemas, dijo Peek.

Quizás el mayor desafío es descubrir cómo representar mejor el cosmos algorítmicamente y encontrar personas con la experiencia para hacerlo.

Los humanos nunca se eliminarán por completo de la ecuación de observación de estrellas, dado que el objetivo final, comprender nuestro universo, es profundamente humano.

Pero a medida que los telescopios toman una cantidad de datos sin precedentes, y a medida que los científicos continúan luchando por las preguntas más profundas del universo, está claro que vamos a necesitar algo de ayuda.

Y tal vez los astrónomos necesitan ayuda de algo que piense un poco menos como un humano.

Fuente: Gizmodo