Este artigo foi originalmente publicado em A conversa. A publicação contribuiu com o artigo para Expert Voices: Op-Ed & Insights da Space.com.
A famosa primeira imagem de um buraco negro ficou duas vezes mais nítida. Uma equipe de pesquisa usou inteligência artificial para melhorar drasticamente sua primeira imagem de 2019, que agora mostra o buraco negro no centro da galáxia M87 mais escuro e maior do que a primeira imagem retratada.
eu sou um astrônomo que estuda e escreve sobre cosmologia, buracos negros e exoplanetas. Os astrônomos usam IA há décadas. De fato, em 1990, astrônomos da Universidade do Arizona, onde sou professor, estavam entre os primeiro a usar um tipo de IA chamado rede neural para estudar as formas das galáxias.
Desde então, a IA se espalhou por todos os campos da astronomia. À medida que a tecnologia se tornou mais poderosa, os algoritmos de IA começaram a ajudar os astrônomos a domar conjuntos de dados massivos e a descobrir novos conhecimentos sobre o universo.
Melhores telescópios, mais dados
Desde que a astronomia é uma ciência, ela envolve tentar entender a multidão de objetos no céu noturno. Isso era relativamente simples quando as únicas ferramentas eram a olho nu ou um telescópio simples, e tudo o que podia ser visto eram alguns milhares de estrelas e um punhado de planetas.
Cem anos atrás, Edwin Hubble usou telescópios recém-construídos para mostrar que o universo é preenchido não apenas por estrelas e nuvens de gás, mas incontáveis galáxias. À medida que os telescópios continuaram a melhorar, o grande número de objetos celestes que os humanos podem ver e a quantidade de dados os astrônomos precisam classificar também cresceram exponencialmente.
Por exemplo, o Observatório Vera Rubin, a ser concluído em breve, no Chile, produzirá imagens tão grandes que seriam necessárias 1.500 telas de TV de alta definição para visualizar cada uma delas em sua totalidade. Ao longo de 10 anos, espera-se gerar 0,5 exabytes de dados – cerca de 50.000 vezes a quantidade de informações contidas em todos os livros contidos na Biblioteca do Congresso.
Existem 20 telescópios com espelhos maiores que 20 pés (6 metros) de diâmetro. Os algoritmos de IA são a única maneira de os astrônomos trabalharem com todos os dados disponíveis hoje. Existem várias maneiras pelas quais a IA está se mostrando útil no processamento desses dados.
Relacionado: Os 10 maiores telescópios da Terra
Escolhendo padrões
A astronomia geralmente envolve procurar agulhas no palheiro. Cerca de 99% dos pixels em uma imagem astronômica contêm radiação de fundo, luz de outras fontes ou a escuridão do espaço – apenas 1% tem as formas sutis de galáxias fracas.
Algoritmos de IA – em particular, redes neurais que usam muitos nós interconectados e são capazes de aprender a reconhecer padrões – são perfeitamente adequados para identificar os padrões das galáxias. Os astrônomos começaram usando redes neurais para classificar galáxias no início dos anos 2010. Agora os algoritmos são tão eficazes que eles podem classificar galáxias com uma precisão de 98%.
Esta história foi repetida em outras áreas da astronomia. Os astrônomos que trabalham no SETI, a Busca por Inteligência Extraterrestre, usam radiotelescópios para procurar sinais de civilizações distantes. No início, os radioastrônomos escaneavam gráficos a olho para procure por anomalias isso não podia ser explicado. Mais recentemente, os pesquisadores aproveitaram 150.000 computadores pessoais e 1,8 milhão de cientistas cidadãos para procurar por sinais de rádio. Agora, os pesquisadores estão usando IA para filtrar resmas de dados com muito mais rapidez e profundidade do que as pessoas. Isso permitiu que os esforços do SETI cobrissem mais terreno, ao mesmo tempo em que reduzia bastante o número de sinais falsos positivos.
Outro exemplo é a busca por exoplanetas. Os astrônomos descobriram a maior parte do 5.300 exoplanetas conhecidos medindo uma queda na quantidade de luz vinda de uma estrela quando um planeta passa na frente dele. As ferramentas de IA agora podem identificar os sinais de um exoplaneta com 96% de precisão.
Fazendo novas descobertas
A IA provou ser excelente na identificação de objetos conhecidos – como galáxias ou exoplanetas – que os astrônomos dizem para procurar. Mas também é bastante poderoso para encontrar objetos ou fenômenos que são teorizados, mas ainda não foram descobertos no mundo real.
As equipes usaram essa abordagem para detectar novos exoplanetasconheça o estrelas ancestrais que levou à formação e crescimento da Via Láctea, e prever as assinaturas de novos tipos de ondas gravitacionais.
Para fazer isso, os astrônomos primeiro usam IA para converter modelos teóricos em assinaturas observacionais – incluindo níveis realistas de ruído. Eles então usam o aprendizado de máquina para aprimorar a capacidade da IA de detectar os fenômenos previstos.
Finalmente, os radioastrônomos também têm usado algoritmos de IA para filtrar sinais que não correspondem a fenômenos conhecidos. Recentemente, uma equipe da África do Sul encontrou um objeto único que pode ser um resquício da fusão explosiva de dois buracos negros supermassivos. Se isso for verdade, os dados permitirão um novo teste da relatividade geral – o de Albert Einstein descrição do espaço-tempo.
Fazendo previsões e tapando buracos
Como em muitas áreas da vida recentemente, IA generativa e grandes modelos de linguagem como o ChatGPT também estão causando ondas no mundo da astronomia.
A equipe que criou a primeira imagem de um buraco negro em 2019 usou um IA generativa para produzir sua nova imagem. Para fazer isso, primeiro ensinou uma IA a reconhecer buracos negros, alimentando-a com simulações de vários tipos de buracos negros. Em seguida, a equipe usou o modelo de IA que havia construído para preencher as lacunas na enorme quantidade de dados coletados pelos radiotelescópios no buraco negro M87.
Usando esses dados simulados, a equipe conseguiu criar uma nova imagem duas vezes mais nítida que a original e totalmente consistente com as previsões da relatividade geral.
Os astrônomos também estão recorrendo à IA para ajudar a domar a complexidade da pesquisa moderna. Uma equipe do Harvard-Smithsonian Center for Astrophysics criou um modelo de linguagem chamado astroBERT para ler e organizar 15 milhões de artigos científicos sobre astronomia. Outra equipe, baseada na NASA, até propôs o uso de IA para priorizar projetos de astronomiaum processo que os astrônomos realizam a cada 10 anos.
À medida que a IA progrediu, ela se tornou uma ferramenta essencial para os astrônomos. À medida que os telescópios melhoram, os conjuntos de dados aumentam e as IAs continuam a melhorar, é provável que essa tecnologia desempenhe um papel central em futuras descobertas sobre o universo.
Este artigo é republicado de A conversa sob uma licença Creative Commons. Leia o artigo original.
Acompanhe todas as questões e debates do Expert Voices — e torne-se parte da discussão — no Facebook e no Twitter. As opiniões expressas são do autor e não refletem necessariamente as opiniões do editor.
