O aprendizado de máquina está chegando para a astronomia. Mas isso não significa que astrônomos e cientistas cidadãos estejam obsoletos. Na verdade, pode significar exatamente o oposto.

Quando você pensa em uma galáxia, a primeira coisa que vem à mente é uma espiral. Há um denso aglomerado de estrelas no núcleo e algumas grandes, estendendo os braços espirais para o lado.

Mas esse não é o único tipo de galáxia que existe. Como pessoas, galáxias vêm em todas as formas e tamanhos. Existem os em forma de disco e os esféricos, espirais com barras perfeitas e irregulares bagunçados.

Galáxias, classificado

Essa forma não é importante apenas para o seu senso estético ao escolher um papel de parede. Também nos diz muito sobre o universo, de acordo com Mitchell Cavanagh, Ph.D. candidato no International Center for Radio Astronomy Research (ICRAR).

"Chamamos os elípticos de tipos iniciais porque eles são mais proeminentes à medida que você vai para redshifts mais altos no universo anterior. Então, suas espirais, tendemos a chamar de tipo tardio porque eles são mais comuns quando olhamos para o universo mais recente em galáxias com redshift mais baixas perto de nós, "Mitchell diz.

"Portanto, apenas ser capaz de monitorar como isso acontece é muito importante."

O problema, como sempre, é que há um muito de galáxias lá fora. A solução até agora, por meio de projetos como o Galaxy Zoo (e o próprio AstroQuest do ICRAR), tem sido o de recrutar "cientistas cidadãos" voluntários para ajudar a classificar os dados também. Mas com a quantidade de dados astronômicos provenientes de novos projetos como o SKA, mesmo um exército de cientistas cidadãos pode não ser suficiente.

"Você vai ter bilhões de galáxias, bilhões de imagens. E apenas o grande volume de amostras que virão, mesmo com a ciência cidadã, você vai precisar de um grande grupo de voluntários, "diz Mitchell.

Conheça os estrônomos de IA

Uma solução poderia ser um tipo de algoritmo de aprendizado de máquina denominado rede neural convolucional ou CNN. Isso é exatamente o que Mitchell está desenvolvendo. Ele roda em um computador desktop normal, mas ainda pode classificar dezenas de milhares de galáxias em apenas alguns segundos.

O que diferencia o programa de Mitchell das tentativas anteriores é que ele pode classificar mais tipos de galáxias por vez.

"Muitas das redes neurais na astronomia tendem a olhar apenas para coisas binárias, como se este fosse um tipo inicial ou tardio, coisas assim, "Mitchell diz.

"Ao passo que queremos tentar entrar em mais detalhes. Queremos ver mais classes em vez de apenas duas."

Redes neurais, Mitchell diz, têm potencial para ser mais rápidos e eficientes. Eles também podem ser usados ​​em situações que seriam difíceis, demorado ou simplesmente chato para voluntários humanos fazerem. Isso inclui coisas como classificar galáxias simuladas que realmente não existem.

"Depois de treinar um CNN, você pode aplicá-los a todos os tipos de outras coisas - simulações e coisas assim - para fazer alguma ciência legal que compare essas simulações com as observações, " ele diz.

Mas não pendure seu chapéu classificador de galáxias ainda. Como sempre, há um problema.

Os robôs estão vindo para o meu trabalho (voluntário)?

Quando os astrônomos ensinam um ser humano a classificar galáxias, eles descreveriam a forma, falar sobre os recursos importantes, talvez desenhe um diagrama e mostre alguns exemplos para terminar.

Se estamos ensinando IA, eles podem só usar exemplos - e onde os voluntários podem descobrir o que é uma espiral barrada a partir de um ou dois exemplos, uma rede neural precisa centenas .

"Fundamentalmente, uma rede neural realmente só será tão boa quanto os dados com os quais você a treina, "diz Mitchell.

E se usarmos algumas técnicas complicadas para ver como está "pensando, "as características das imagens que procura não se parecem em nada com as que usaríamos como humanos.

Treinar cérebros

Isso nos deixa com um pequeno enigma. Precisamos de nossa IA para classificar nossas galáxias em tipos, mas para treinar nossa IA, já precisamos saber quais são os tipos de nossas galáxias.

Longe de tornar obsoletos os cientistas cidadãos humanos, A astronomia movida a IA na verdade lhes dá uma promoção - de fazer o trabalho eles mesmos a se tornarem mais como um treinador ou professor.

"Num sentido, as redes neurais são construídas em cima do esforço existente da ciência cidadã. "

A IA é realmente boa em dar às pessoas exatamente o que pensa que elas querem. Para usá-lo para astronomia, precisamos de um exército de voluntários bem treinados que querem galáxias bem organizadas - e sim, é aí que você entra.

Este artigo apareceu pela primeira vez no Particle, um site de notícias científicas baseado na Scitech, Perth, Austrália. Leia o artigo original.