IA e cielo

IA e osservazione del cielo

I telescopi moderni e le missioni spaziali producono più dati di quanti le persone possano esaminare a mano, perciò gli astronomi usano il machine learning, un ramo dell'IA, per cercare segnali, classificare gli oggetti e individuare ciò che è insolito. L'IA è uno strumento per filtrare e velocizzare l'analisi. Le scoperte restano confermate da osservazioni, verifiche e revisione tra pari, svolte da persone.

Perché l'astronomia ha bisogno dell'IA

L'astronomia è una delle scienze più ricche di dati. La missione Gaia dell'ESA ha mappato ben più di un miliardo di stelle. Le missioni NASA Kepler (fino al suo ritiro nel 2018) e TESS hanno monitorato nel tempo la luminosità di un enorme numero di stelle. Nuove survey da terra, come il Vera C. Rubin Observatory in Cile, sono pensate per fotografare il cielo ancora e ancora e cogliere tutto ciò che cambia.

Il risultato è un diluvio di immagini e misurazioni che nessun gruppo di ricerca può esaminare a occhio. Qui entra in gioco il machine learning (apprendimento automatico): un ramo dell'intelligenza artificiale (IA) in cui il computer impara a riconoscere schemi a partire da esempi, invece di seguire regole scritte a mano. Non è magia. Semplicemente è bravo nei compiti ripetitivi, dove una persona si stancherebbe o si lascerebbe sfuggire qualcosa.

A caccia di esopianeti

Gli esopianeti (pianeti attorno ad altre stelle) si scoprono spesso con il metodo dei transiti: quando un pianeta passa davanti alla sua stella, la luce stellare cala leggermente e in modo periodico. Questi cali vanno distinti dal rumore, dalle macchie stellari e dalle stelle binarie a eclisse.

Un esempio noto è Kepler-90. Nel 2017 la NASA ha annunciato che un metodo di machine learning, sviluppato insieme a Google, aveva trovato un pianeta in più, Kepler-90i, nei dati di Kepler. Così Kepler-90 è diventato il primo sistema noto con otto pianeti, come il nostro Sistema Solare. È un esempio di come un algoritmo possa notare un segnale debole che è facile trascurare. Tuttavia i dati arrivavano da un telescopio, e il risultato è stato verificato e pubblicato da scienziati.

La stessa idea si usa con i dati di TESS: il software propone dei candidati, e sono le persone a decidere quali meritano osservazioni di approfondimento. Molti candidati si rivelano falsi allarmi, e fa parte del normale processo.

Classificare le galassie

Quando le survey fotografano milioni di galassie, qualcuno deve classificarle: a spirale, ellittiche, in fusione e così via. Galaxy Zoo è un celebre esempio di lavoro di squadra: volontari da tutto il mondo classificano le immagini delle galassie. Queste classificazioni umane sono anche un prezioso materiale di addestramento per algoritmi che possono poi ordinare raccolte molto più grandi.

Approcci simili aiutano in altri compiti: individuare stelle che esplodono (supernove) in nuove immagini, trovare le tracce degli asteroidi o segnalare oggetti rari che non somigliano a nulla di noto. L'IA fa spesso da filtro, indicando agli scienziati dove vale la pena guardare.

Come l'IA può aiutare chi osserva per passione

Non serve essere professionisti per trarre vantaggio da queste idee. Alcuni usi realistici e modesti:

• Pianificare la serata: app e assistenti IA possono riassumere che cosa c'è sopra l'orizzonte, quando tramonta la Luna e quali oggetti vale la pena cercare. Controlla gli orari esatti in un buon strumento di effemeridi o in una carta del cielo.
• Identificare gli oggetti: le app di mappe del cielo usano la fotocamera e i dati di posizione del telefono per dirti quale punto luminoso stai guardando. Spesso è un pianeta, non una stella.
• Elaborare le foto: alcuni software riducono il rumore nelle foto astronomiche. Attenzione: un'elaborazione pesante può inventare dettagli che in realtà non ci sono.
• Imparare e capire: l'IA può aiutarti a comprendere i termini, ma le sue risposte vanno verificate su fonti affidabili.

Per le basi dell'osservazione, vedi come guardare il cielo, e se stai scegliendo l'attrezzatura, binocolo o telescopio. Per i dati stellari alla base di molti strumenti moderni, leggi dei cataloghi stellari Gaia e Hipparcos.

Il limite: l'IA assiste, le persone verificano

L'IA ha limiti chiari:

• Dipende dai suoi dati. Se gli esempi di addestramento sono incompleti o distorti, il software non vedrà o confonderà certi oggetti.
• Può sbagliare con sicurezza. I modelli linguistici a volte danno risposte plausibili ma false. Approfondisci: le allucinazioni dell'IA.
• Non sostituisce l'osservazione. Un candidato pianeta resta solo un candidato finché misurazioni indipendenti non lo confermano.
• Non porta responsabilità. Un risultato scientifico è sostenuto da persone, con metodi che altri possono ripetere e con la revisione tra pari.

La buona pratica è quindi semplice: usa l'IA come aiutante e verifica i fatti che contano. Come farlo è spiegato in verificare i fatti con l'IA e in che cosa l'IA può e non può fare.

La parte più bella è che l'IA non toglie nulla allo stupore del cielo. Si occupa dei calcoli più pesanti, mentre tu e gli astronomi conservate ciò che conta di più: curiosità, pazienza e la gioia di alzare lo sguardo e controllare di persona.

Le posizioni in Astronativa sono astronomicamente esatte. L'interpretazione serve a ispirare. · Glossario · Termini · Privacy · Ringraziamenti