O que é que o Gailo faria?
Um grupo de cientistas e astrónomos utilizou com sucesso a inteligência artificial e a aprendizagem automática para identificar e classificar supernovas. Trata-se de um teste do projeto Bright Transient Survey (BTS) bot, que faz parte de um programa mais vasto de observação e classificação de supernovas acima de um determinado brilho.
Segundo a equipa de desenvolvimento do BTSbot, este poderá eliminar a necessidade de intermediários humanos para confirmar se um evento detectado é uma estrela em explosão, dando aos cientistas mais tempo para analisar o evento celeste. O robot foi apresentado na semana passada e foi gerido por estudantes e professores da Northwestern University, um instituto de investigação privado.
Adam Miller, professor assistente da Northwestern University, afirmou: “Isto representa um importante passo em frente, uma vez que novos aperfeiçoamentos do modelo permitirão ao robô isolar subtipos específicos de explosões estelares. “Em última análise, retirar os humanos do circuito dará à equipa de investigação mais tempo para analisar as observações e desenvolver novas hipóteses para explicar a origem das explosões cósmicas que observamos”.
Há quem tenha manifestado resistência à eliminação dos “intermediários humanos”, receando que sejam substituídos por inteligência artificial, mas Miller diz que o objetivo é melhorar a eficiência.
“Estamos a fazer isto desde 2018, quando o programa começou” – Nabeel Rehemtullah, copresidente do projeto e estudante de pós-graduação em astronomia, disse ao TCN. Temos agora dezenas de milhares de supernovas que podemos treinar e construir modelos e automatizar o processo.
Uma supernova é uma explosão de uma estrela que liberta tanta energia que ilumina momentaneamente uma galáxia inteira. Ocorre quando uma estrela fica sem combustível nuclear, levando a um colapso catastrófico.
A Zwicky Transient Facility (ZTF), sediada no Observatório Palomar em San Diego, Califórnia, e batizada com o nome do astrónomo Fritz Zwicky, foi criada em 2018 para identificar rapidamente estes fenómenos cósmicos.
A equipa do projeto BTSbot, liderada por Rehemtula e Miller, incluía membros da Universidade Northwestern, do Instituto de Tecnologia da Califórnia, da Universidade John Moores de Liverpool e da Universidade do Minnesota.
Durante o treino do modelo de inteligência artificial, Rehemtulla introduziu no algoritmo mais de 1,4 milhões de imagens históricas de 16 000 fontes. Estas fontes incluíam supernovas confirmadas, estrelas temporariamente incandescentes, estrelas que mudam periodicamente e galáxias incandescentes.
Com cerca de 1300 a 1400 supernovas por ano, a quantidade de dados a analisar é significativa, explicou Rehemtulla. O estudo Transient in Bright Transient Survey mede eventos pontuais que brilham e desvanecem e depois brilham e desvanecem.
“É muito importante fornecer ao modelo um conjunto de treino limpo e representativo. Por isso, começámos por ver que supernovas e que outros fenómenos passaram primeiro pelo filtro BTS”.
Lehemtulla explicou que, desta forma, seria mais fácil excluir a ocorrência de supernovas.
Nova imagem composta da Galáxia de Andrómeda obtida no Observatório de Palomar, mostrando três linhas de luz visíveis. Imagem por ZTF/D. Goldstein and R. Hurt (Caltech)
O
BTSbot está integrado no portal de observação, permitindo aos astrónomos ver os resultados gerados pelo modelo e ver facilmente o que o modelo está a fazer. Os investigadores do Caltech trabalharam na integração para garantir que, quando um pedido é enviado pela IA, não são enviados pedidos duplicados de humanos.
“Podemos voltar atrás e analisar 50 pedidos noturnos dos últimos cinco ou seis anos. É essa a amostra que utilizamos para o conjunto de treino. “Basicamente, tudo o que uma pessoa verificou nos últimos cinco ou seis anos”.
Apesar do sucesso, Rehemtulla disse que o projeto não foi isento de obstáculos e que houve atrasos temporários no arranque do BTSbot, principalmente em relação à verificação e controlo das imagens e à garantia da sua qualidade.
“Houve uma série de factores que atrasaram o desenvolvimento, um dos quais foi a construção de um conjunto de treino suficientemente grande com o qual o modelo pudesse aprender”, afirmou. “Não se quer simplesmente deitar fora tudo o que o nosso telescópio já detectou e começar a pôr lá um monte de lixo.
À medida que a inteligência artificial se torna omnipresente, a tecnologia está a entrar numa série de áreas de investigação, incluindo o tratamento do cancro, a defesa militar e a educação. Ao mesmo tempo, embora a inteligência artificial seja promissora para o futuro da sociedade, os especialistas alertam para o facto de a tecnologia ainda apresentar alguns hábitos perturbadores, incluindo o preconceito, o racismo e a mentira.
Rehemtulla também expressou a necessidade de cautela na utilização da inteligência artificial na astronomia, reconhecendo o potencial de enviesamento de seleção nos modelos de IA, o que comprometeria a sua precisão contínua na identificação de objectos noutras galáxias.
“Na verdade, não nos preocupamos muito com isto porque encontramos mais de 99% dos objectos”, disse. “Aqueles que utilizam a IA em astronomia têm de considerar os preconceitos que estão a introduzir na sua investigação.”
