¿Qué haría Guylo?
Un equipo de científicos y astrónomos ha utilizado con éxito la inteligencia artificial y el aprendizaje automático para identificar y clasificar estrellas supernovas. Se trata de una prueba del robot del proyecto Bright Transient Survey (BTS), que forma parte de un programa más amplio para observar y clasificar estrellas supernovas a partir de un determinado brillo.
Según los desarrolladores del BTSbot, éste podría eliminar la necesidad de intermediarios humanos para confirmar si un evento detectado es una explosión estelar, lo que daría a los científicos más tiempo para analizar el fenómeno celeste. El robot fue presentado la semana pasada, operado por estudiantes y profesores del instituto privado de investigación de la Universidad Northwestern.
Adam Miller, profesor asociado de la Universidad Northwestern, declaró: «Se trata de un importante paso adelante, ya que el perfeccionamiento del modelo permitirá al robot aislar subtipos específicos de estallidos estelares. «En última instancia, eliminar a los humanos del proceso dará al equipo de investigación más tiempo para analizar las observaciones y desarrollar nuevas hipótesis que expliquen el origen de las explosiones cósmicas que observamos».
Algunos se oponen al abandono de los «mediadores humanos», temiendo que sean sustituidos por inteligencia artificial, pero Miller afirma que el objetivo es mejorar la eficiencia.
«Hemos estado haciendo esto desde 2018, cuando comenzó el programa», dijo a TCN Nabil Rehemtullah, copresidente del proyecto y estudiante de doctorado en astronomía. Ahora tenemos decenas de miles de supernovas que podemos entrenar, construir modelos y automatizar el proceso.»
Una supernova es la explosión de una estrella que libera tanta energía que ilumina toda la galaxia durante un instante. Se produce cuando una estrella se queda sin combustible nuclear, lo que provoca un colapso catastrófico.
En 2018, la Zwicky Transient Facility (ZTF), que lleva el nombre del astrónomo Fritz Zwicky, se estableció en el Observatorio Palomar en San Diego, California, para detectar rápidamente este tipo de fenómenos cósmicos.
El equipo del proyecto BTSbot, dirigido por Rehemtula y Miller, incluía colaboradores de la Northwestern University, el California Institute of Technology, la Liverpool John Moores University y la University of Minnesota.
En el proceso de entrenamiento del modelo de inteligencia artificial, Rehemtula cargó en el algoritmo más de 1,4 millones de imágenes históricas procedentes de 16.000 fuentes. Entre estas fuentes había supernovas confirmadas, estrellas temporalmente luminosas, estrellas que cambian periódicamente y galaxias luminosas.
Dado que se producen entre 1.300 y 1.400 supernovas al año, la cantidad de datos que hay que analizar es considerable, explicó Rehemtulla. El Transient in Bright Transient Survey mide sucesos puntuales que se iluminan y se apagan, y luego se iluminan y se apagan.
«Es muy importante proporcionar al modelo un conjunto de entrenamiento limpio y representativo. Así que empezamos por ver qué supernovas y qué otros fenómenos pasaron primero por el filtro del BTS».
Lehemtulla explicó que así será más fácil descartar la aparición de supernovas.
BTSbot está integrado en el portal de observación, lo que permite a los astrónomos visualizar los resultados generados por el modelo y ver fácilmente lo que éste está haciendo. Investigadores del Instituto Tecnológico de California trabajaron en la integración para que, cuando la inteligencia artificial envíe una solicitud, no se dupliquen las peticiones de los humanos.
«Podemos volver atrás y analizar 50 consultas nocturnas de los últimos cinco o seis años. Esa es la muestra que utilizamos para el entrenamiento. «Básicamente, cualquier cosa que un humano haya consultado en los últimos cinco o seis años».
A pesar del éxito, Rehemtullah dijo que el proyecto no estuvo exento de obstáculos y que hubo retrasos en el lanzamiento de BTSbot, principalmente relacionados con la validación de imágenes, la garantía de calidad y el control.
«El desarrollo se retrasó debido a varios factores, uno de los cuales era crear un conjunto de entrenamiento lo suficientemente grande sobre el que se pudiera entrenar el modelo», explicó. «No queremos tirar a la basura todo lo que nuestro telescopio ya ha detectado y empezar a meter todo tipo de basura.
A medida que la inteligencia artificial se hace omnipresente, la tecnología se va introduciendo en diversos campos de investigación, como el tratamiento del cáncer, la defensa militar y la educación. Al mismo tiempo, a pesar de lo prometedora que es la inteligencia artificial para el futuro de la sociedad, los expertos advierten de que la tecnología aún tiene algunos hábitos preocupantes, como los prejuicios, el racismo y las mentiras.
Rehemtullah también dijo que hay que ser cautelosos a la hora de utilizar la inteligencia artificial en astronomía, reconociendo la posibilidad de sesgo de selección en los modelos de IA, lo que pondría en entredicho su continua precisión a la hora de identificar objetos en otras galaxias.
«En realidad, esto no nos preocupa demasiado porque encontramos más del 99% de los objetos», afirmó. «Aquellos que utilizan IA en astronomía necesitan considerar los sesgos que introducen en su investigación».
