La IA y el cielo

La IA y la observación del cielo

Los telescopios modernos y las misiones espaciales producen más datos de los que las personas pueden revisar a mano, así que los astrónomos usan el aprendizaje automático, una rama de la IA, para buscar señales, clasificar objetos y destacar lo inusual. La IA es una herramienta para filtrar y acelerar el análisis. Los descubrimientos se siguen confirmando mediante observación, verificación y revisión por pares realizadas por personas.

Por qué la astronomía necesita la IA

La astronomía es una de las ciencias con más datos. La misión Gaia de la ESA ha cartografiado bastante más de mil millones de estrellas. La misión Kepler de la NASA (hasta su retiro en 2018) y TESS han monitoreado a lo largo del tiempo el brillo de una enorme cantidad de estrellas. Los nuevos sondeos desde tierra, como el Observatorio Vera C. Rubin en Chile, están diseñados para fotografiar el cielo una y otra vez y captar todo lo que cambia.

El resultado es un torrente de imágenes y mediciones que ningún equipo puede revisar a simple vista. Aquí es donde ayuda el aprendizaje automático (machine learning): una rama de la inteligencia artificial (IA) en la que una computadora aprende a reconocer patrones a partir de ejemplos, en lugar de seguir reglas escritas a mano. No es magia. Simplemente funciona muy bien en tareas repetitivas en las que una persona se cansaría o pasaría algo por alto.

A la caza de exoplanetas

Los exoplanetas (planetas que orbitan otras estrellas) suelen encontrarse con el método del tránsito: cuando un planeta pasa por delante de su estrella, la luz estelar disminuye ligera y periódicamente. Esas caídas de brillo hay que distinguirlas del ruido, de las manchas estelares y de las estrellas binarias eclipsantes.

Un ejemplo muy conocido es Kepler-90. En 2017, la NASA anunció que un método de aprendizaje automático, desarrollado junto con Google, había encontrado en los datos de Kepler un planeta adicional, Kepler-90i. Con ello, Kepler-90 se convirtió en el primer sistema conocido con ocho planetas, igual que nuestro Sistema Solar. Fue una muestra de cómo un algoritmo puede detectar una señal débil que es fácil pasar por alto. Aun así, los datos provenían de un telescopio, y el resultado fue verificado y publicado por científicos.

La misma idea se aplica a los datos de TESS: el software propone candidatos y las personas deciden cuáles merecen observaciones de seguimiento. Muchos candidatos resultan ser falsas alarmas, algo normal en el proceso.

Clasificar galaxias

Cuando los sondeos fotografían millones de galaxias, alguien tiene que clasificarlas: espirales, elípticas, en fusión, etc. Galaxy Zoo es un famoso ejemplo de trabajo en equipo: voluntarios de todo el mundo clasifican imágenes de galaxias. Esas etiquetas humanas también son un material de entrenamiento muy valioso para algoritmos que luego pueden clasificar colecciones mucho mayores.

Enfoques similares ayudan en otras tareas: detectar estrellas que explotan (supernovas) en imágenes nuevas, encontrar rastros de asteroides o señalar objetos raros que no se parecen a nada conocido. La IA suele actuar como un filtro que indica a los científicos dónde vale la pena mirar.

Cómo puede ayudar la IA a un aficionado

No hace falta ser profesional para aprovechar estas ideas. Algunos usos realistas y modestos:

• Planear tu noche: las aplicaciones y los asistentes de IA pueden resumir qué hay sobre el horizonte, cuándo se pone la Luna y qué objetos vale la pena buscar. Consulta los horarios exactos en una buena herramienta de efemérides o en una carta celeste.
• Identificar objetos: las aplicaciones de mapas del cielo usan la cámara y la ubicación de tu teléfono para decirte qué punto brillante estás viendo. A menudo es un planeta y no una estrella.
• Procesar fotos: algunos programas reducen el ruido en las astrofotografías. Ten cuidado: un procesado excesivo puede inventar detalles que en realidad no existen.
• Aprender y explicar: la IA puede ayudarte a entender términos, pero conviene contrastar sus respuestas con fuentes confiables.

Para lo básico de la observación, consulta cómo mirar el cielo, y si estás eligiendo equipo, binoculares o telescopio. Para conocer los datos estelares que hay detrás de muchas herramientas modernas, lee sobre los catálogos estelares Gaia y Hipparcos.

El límite: la IA asiste, las personas verifican

La IA tiene limitaciones claras:

• Depende de sus datos. Si los ejemplos de entrenamiento son incompletos o sesgados, el software pasará por alto o confundirá ciertos objetos.
• Puede equivocarse con total seguridad. Los modelos de lenguaje a veces dan respuestas verosímiles pero falsas. Más información: alucinaciones de la IA.
• No reemplaza la observación. Un candidato a planeta solo es un candidato hasta que mediciones independientes lo confirman.
• No asume responsabilidad. Un resultado científico lo defienden las personas, con métodos que otros pueden repetir y con revisión por pares.

Así que la buena práctica es sencilla: usa la IA como ayudante y verifica los datos que importan. Cómo hacerlo se explica en verificación de datos con IA y en qué puede y qué no puede hacer la IA.

Lo mejor es que la IA no le quita su asombro al cielo. Se encarga de la aritmética pesada, mientras tú y los astrónomos conservan lo más importante: la curiosidad, la paciencia y la alegría de mirar hacia arriba y comprobarlo por ustedes mismos.

Las posiciones en Astronativa son astronómicamente exactas. La interpretación es para inspirarte. · Glosario · Condiciones (en inglés) · Privacidad (en inglés) · Agradecimientos