Inteligencia artificial se está volviendo bastante buena para estudiar galaxias distantes

El aprendizaje automático puede tener usos importantes en la ciencia, específicamente cuando se trata de categorizar cosas. Los científicos han estado utilizando recientemente una red neuronal para identificar galaxias distantes.

Un equipo internacional de investigadores señala que hay ya una gran cantidad de imágenes espaciales, tanto del universo cercano como lejano.

Pero hay más exploraciones a la vuelta de la esquina que tendrán toneladas de datos, más de lo que los humanos pueden filtrar de manera efectiva.

Puede ser difícil sintetizar estos datos y conectar los puntos entre las galaxias jóvenes y viejas. Ahí es donde entran las redes neuronales.

“Una vez que hemos entrenado una computadora en miles de imágenes de nuestras simulaciones, las computadoras pueden ver cosas que simplemente no podemos”, le dijo a Gizmodo Joel Primack, profesor distinguido de física emérita de la Universidad de California en Santa Cruz. “Eso es muy útil”.

Los investigadores comenzaron con una poderosa simulación para crear 35 galaxias modelo, luego usaron más software para crear alrededor de 10,000 imágenes, tanto claras como difuminadas.

Entrenaron una red neuronal en las imágenes para identificar sus similitudes.

Luego, los investigadores alimentaron la red entrenada con imágenes de datos reales de galaxias distantes de la encuesta astronómica CANDELS.

La IA agrupó con éxito las galaxias en tres categorías según su forma.

Estas categorías corresponden a tres fases en la evolución galáctica, que denominan fase de nugget pre-azul, fase de nugget azul y fase de nugget post-azul.

Básicamente, después de alimentar las imágenes a redes neuronales de galaxias simuladas, los investigadores pudieron obtener información útil sobre galaxias reales.

OCD statistics from the World Global Health Organization indicates OCD cheap viagra pill is ranked ten among all diseases as cause for upper back pain. I would actually suggest that you rather eat cialis generic usa apples than purchasing such scams. It is not some very serious disease as it is seen in every second man is going through this disorder. check my website viagra samples Generic medicine and branded viagra online sales drugs have similar side effects. Una red neuronal sería muy útil para encuestas a gran escala.

El Telescopio de reconocimiento infrarrojo de campo amplio, que se lanzaría en los años 2020, podría capturar millones de galaxias a resolución de Hubble en imágenes individuales.

El Gran Telescopio de Levantamiento Sinóptico captará una gran parte del cielo del sur cada noche desde la Tierra, y podría registrar 15 terabytes de datos cada día.

Una red neuronal podría identificar rápidamente las cosas que pueden ser de mayor interés para los astrónomos, o señalar cosas que un ojo humano podría pasar por alto.

“Existe la esperanza entre algunos investigadores de que si la inteligencia artificial puede ordenar los datos astronómicos, clasificarlos y contarnos sobre las cosas interesantes que encuentra, entonces la capacidad humana para aprender sobre el universo se expanda más allá de lo que imaginamos que somos capaces de hacer solos”, dijo Michael Oman-Reagan, candidato a doctorado en la Memorial University en Newfoundland y Labrador, Canadá, que investiga la exploración más allá del sistema solar y el potencial de la vida extraterrestre.

Quizás el aprendizaje automático podría ayudar a los humanos en la búsqueda de inteligencia extraterrestre.

Pero Primack advierte que hay que ser precavidos; esto es solo una prueba de concepto.

Estos conjuntos de entrenamiento pueden tomar muchas horas de procesamiento para generarse, por lo que aún no son formas realistas de categorizar los datos.

Además de eso, las simulaciones aún podrían ser demasiado limitadas para capturar completamente la diversidad de galaxias.

En última instancia, no debería ser tarea de la IA reemplazar a los científicos, sino ayudarlos a administrar la increíble cantidad de datos registrados por los observatorios más nuevos.

Fuente: Gizmodo