Skip to content

L’apprendimento automatico può accelerare la ricerca astronomica

Lo spazio è vasto e disseminato di galassie, stelle, pianeti, buchi neri e altri corpi celesti. E mentre ci sono telescopi, sia sulla terra che nello spazio profondo, che effettuano letture costanti di questi e generano una copiosa quantità di dati, setacciare quel diluvio di informazioni è un processo noioso e che richiede tempo. Come se la cavano gli astronomi? Con l’aiuto dell’intelligenza artificiale. Gli strumenti di apprendimento automatico sviluppati per guidare le auto a guida autonoma sono, a quanto pare, perfetti per l’ordinamento dei dati astronomici.

Infatti, “Uno dei due principali rami della scienza che utilizza ampiamente l’intelligenza artificiale è l’astronomia”, afferma Somak Raychaudhury, un rinomato astrofisico e direttore del Centro interuniversitario di astronomia e astrofisica (IUCAA) di Pune.

Ma come si fa a creare un algoritmo per l’intelligenza artificiale se non si dispone di un database? Tutto quello che devi fare è guardare il cielo, dice Raychaudhury, che ha lavorato con Stephen Hawking all’Università di Cambridge, nel Regno Unito. “Gli elementi in un tale database includerebbero galassie e stelle e i loro attributi come luminosità, velocità, capacità radioattiva e così via”, spiega.

Ci sono vari principi e algoritmi a cui ha dato origine l’intelligenza artificiale, che vengono utilizzati in più domini in tutto il mondo. In astronomia, il sistema più utilizzato è il concetto di reti neurali, una struttura che imita il sistema di nervi nel cervello animale. Questo modello ha contribuito a fare progressi nei mercati azionari, nella medicina e nell’elaborazione delle immagini, nonché nell’ulteriore comprensione di galassie, stelle e corpi planetari.

L’apprendimento automatico può essere impiegato per studiare la struttura interna di una stella, ma prima di ciò l’algoritmo deve familiarizzare con una serie di input precedenti e corrispondenti output relativi alle stelle. Per comprendere questo concetto, pensa alla tecnologia alla base di uno smartphone con blocco delle impronte digitali. Quando registri la tua impronta digitale sul cellulare, un programma incorporato ti chiede di posizionare il pollice in diverse posizioni, in modo che possa raccogliere tutti i dati di cui ha bisogno. Se qualcun altro prova a sbloccare il tuo telefono, l’intelligenza artificiale identificherà quella persona come qualcuno che non sei tu. Gli stessi principi vengono utilizzati per identificare le galassie e gli esopianeti. I principi utilizzati nel riconoscimento facciale possono essere applicati anche allo studio delle galassie.

Più dati raccoglie un algoritmo intelligente, meglio può prevedere un risultato. Ad esempio, un computer potrebbe essere in grado di prevedere se un pianeta in orbita attorno a stelle binarie rimane in un’orbita stabile. Secondo la teoria, se mostra le caratteristiche di rimanere in un’orbita stabile, si dice che sia un pianeta abitabile. Quindi, questo avanza studi che vogliono scoprire se un pianeta può sostenere la vita.

L’apprendimento automatico consente inoltre ai programmi per computer di colmare le lacune nella conoscenza. I dati che gli scienziati deducono dagli studi sono completamente basati su lavori sperimentali. A volte, questo lascia “punti ciechi” nelle informazioni. Se un algoritmo è sufficientemente addestrato, può unire i punti e connettere gruppi di dati disgiunti per formare un intero. Questo concetto può essere visto in “image inpainting”, o l’arte di ripristinare digitalmente un’immagine rimuovendo difetti e imperfezioni. Se applicati ai dati astronomici, questi algoritmi possono darti risposte che potrebbero far luce su alcuni aspetti sconosciuti dell’universo.

Ma i sistemi di apprendimento automatico raggiungono mai un punto in cui possono scoprire da soli i segreti dell’universo? Possiamo addestrare un sistema di intelligenza artificiale per rilevare onde gravitazionali o materia oscura le cui caratteristiche esatte gli scienziati stessi non conoscono completamente? Raychaudhury dice: “Ciò che è interessante nell’astronomia più che in qualsiasi altro campo è che è una scienza che in realtà consiste nel trovare nuovi tipi di oggetti”.

Ed è qui che entra in gioco un principio di apprendimento automatico chiamato apprendimento non supervisionato. Qui, l’algoritmo non confronta le informazioni con un set di dati predeterminato ma va oltre le norme per analizzare i valori anomali dei dati statistici. Come si identifica l’intelligenza aliena? Sicuramente non dai parametri con cui si misura l’intelligenza umana. Ma, “per definire lo straordinario, devi sapere cosa è ordinario”, sottolinea Raychaudhury.

Lo spazio è pieno di infinite tabelle di dati “multivariati”, elenchi, immagini, molti dei quali hanno dedotto gli esseri umani, e un universo di informazioni ancora più grande che deve ancora essere scoperto l’analogia perfetta per i “big data”, in base al quale l’apprendimento automatico di oggi si costruiscono algoritmi Ecco perché abbiamo bisogno dell’intelligenza artificiale per accelerare la ricerca astronomica.

Fino ad allora, i cittadini scienziati possono aiutare gli astronomi a elaborare i dati su siti Web come Virtual Observatory, Galaxy Zoo e Zooniverse.

Dove imparare?

    Il Centro interuniversitario per l’astronomia e l’astrofisica (IUCAA) di Pune offre agli studenti programmi e corsi per integrare i principi dell’astronomia con l’apprendimento automatico L’astronomia (NCRA) a Pune offre l’opportunità di integrare l’elettronica e il calcolo con la scienza spaziale.

Leave a Reply

Your email address will not be published. Required fields are marked *