El aprendizaje automático está llegando a la astronomía. Pero eso no significa que los astrónomos y los científicos ciudadanos sean obsoletos. De hecho, puede significar exactamente lo contrario.

Cuando piensas en una galaxia, lo primero que me viene a la mente es una espiral. Hay un denso cúmulo de estrellas en el núcleo y algunas grandes, barriendo los brazos en espiral hacia los lados.

Pero ese no es el único tipo de galaxia que existe. Como personas, las galaxias vienen en todas las formas y tamaños. Los hay en forma de disco y esféricos, ordenadas espirales barradas y desordenados irregulares.

Galaxias ordenado

Esa forma no solo es importante para su sentido de la estética cuando elige un fondo de escritorio. También nos dice mucho sobre el universo, según Mitchell Cavanagh, Doctor. candidato en el Centro Internacional de Investigaciones en Radioastronomía (ICRAR).

"A las elípticas las llamamos tipos tempranos porque son más prominentes a medida que avanzas hacia desplazamientos al rojo más altos en el universo anterior. Luego, tus espirales, tendemos a llamar tipo tardío porque son más comunes cuando miramos el universo más reciente en galaxias de menor corrimiento al rojo cercanas a nosotros, "Dice Mitchell.

"Así que es muy importante poder rastrear cómo va eso".

El problema, como siempre, es que hay un lote de las galaxias que hay. La solución hasta ahora a través de proyectos como el Galaxy Zoo (y el propio AstroQuest de ICRAR), ha consistido en reclutar "científicos ciudadanos" voluntarios para que también ayuden a clasificar los datos. Pero con la cantidad de datos astronómicos que provienen de nuevos proyectos como el SKA, incluso un ejército de científicos ciudadanos puede no ser suficiente.

"Vas a tener miles de millones de galaxias, miles de millones de imágenes. Y solo el gran volumen de muestras que van a llegar, incluso con la ciencia ciudadana, vas a necesitar una gran cantidad de voluntarios, "dice Mitchell.

Conozca a los defensores de la IA

Una solución podría ser un tipo de algoritmo de aprendizaje automático llamado red neuronal convolucional o CNN. Eso es exactamente lo que ha estado desarrollando Mitchell. Se ejecuta en una computadora de escritorio normal, pero aún puede clasificar decenas de miles de galaxias en solo unos segundos.

Lo que distingue al programa de Mitchell de los intentos anteriores es que puede clasificar más tipos de galaxias a la vez.

"Muchas de las redes neuronales en astronomía tienden a mirar cosas binarias, como si este es un tipo temprano o es un tipo tardío, ese tipo de cosas, "Dice Mitchell.

"Mientras que queremos intentar entrar en más detalles. Queremos ver más clases en lugar de solo dos".

Redes neuronales Mitchell dice:tienen el potencial de ser más rápidos y eficientes. También se pueden utilizar en situaciones que serían difíciles, lleva mucho tiempo o simplemente es aburrido para los voluntarios humanos. Eso incluye cosas como clasificar galaxias simuladas que en realidad no existen.

"Una vez que haya entrenado a un CNN, puede aplicarlos a todo tipo de cosas, simulaciones y cosas así, para hacer algo de ciencia interesante que compare esas simulaciones con observaciones, " él dice.

Pero no cuelgue su sombrero de clasificación de galaxias todavía. Como siempre, hay una trampa.

¿Vienen los robots por mi trabajo (voluntario)?

Cuando los astrónomos enseñan a un humano a clasificar galaxias, describirían la forma, hablar sobre las características importantes, tal vez dibujar un diagrama y mostrar un par de ejemplos para terminar.

Si estamos enseñando una IA, ellos pueden solamente use ejemplos, y dónde los voluntarios podrían averiguar qué es una espiral barrada a partir de uno o dos ejemplos, una red neuronal necesita cientos .

"Fundamentalmente, una red neuronal realmente solo será tan buena como los datos con los que la entrenes, "dice Mitchell.

Y si usamos algunas técnicas complicadas para ver cómo está "pensando, "las características de las imágenes que está buscando no se parecen en nada a las que usaríamos como humanos.

Entrenando cerebros

Esto nos deja con un enigma. Necesitamos nuestra IA para clasificar nuestras galaxias en tipos, pero para entrenar nuestra IA, ya necesitamos saber qué tipos son nuestras galaxias.

Lejos de hacer obsoletos a los científicos ciudadanos humanos, La astronomía impulsada por la inteligencia artificial en realidad les da un ascenso:de hacer el trabajo ellos mismos a ser más como un entrenador o maestro.

"En un sentido, las redes neuronales se construyen sobre el esfuerzo existente de la ciencia ciudadana ".

La IA es realmente buena para dar a las personas exactamente lo que creen que quieren. Para usarlo en astronomía, necesitamos un ejército de voluntarios bien entrenados que quieran galaxias bien ordenadas, y sí, ahí es donde entras tú.

Este artículo apareció por primera vez en Particle, un sitio web de noticias científicas con sede en Scitech, Perth, Australia. Lea el artículo original.