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 alguns grandes braços espirais estendidos para os lados.
Mas esse não é o único tipo de galáxia que existe. Como as pessoas, as galáxias têm todas as formas e tamanhos. Há uns em forma de disco e outros esféricos, espirais com barras bem definidas e irregulares desordenados.
Galáxias, classificadas
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 conforme você vai para redshifts mais altos no universo anterior. Então, suas espirais, tendemos a chamar de tipo tardio porque são mais comuns quando olhamos para o universo mais recente em galáxias redshift mais baixas perto de nós “, diz Mitchell.
“Portanto, apenas ser capaz de monitorar como isso acontece é muito importante.”
O problema, como sempre, é que existem muitas galáxias por aí. A solução até agora, por meio de projetos como o Galaxy Zoo (e o próprio AstroQuest do ICRAR), tem sido recrutar “cientistas cidadãos” voluntários para ajudar a classificar os dados também. Mas com a quantidade de dados astronômicos que chegam por meio de novos projetos como o SKA, mesmo um exército de cientistas cidadãos pode não ser suficiente.
“Você terá bilhões de galáxias, bilhões de imagens. E apenas o grande volume de amostras que virão – mesmo com a ciência cidadã, você precisará de um grupo muito grande 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 em astronomia tendem a olhar apenas para coisas binárias, como se fosse um tipo antigo ou tardio, coisas assim”, diz Mitchell.
“Considerando que queremos tentar e entrar em mais detalhes. Queremos olhar para mais classes em vez de apenas duas.”
Redes neurais, diz Mitchell, têm o potencial de ser mais rápidas e eficientes. Eles também podem ser usados em situações que seriam difíceis, demoradas ou simplesmente enfadonhas para voluntários humanos. Isso inclui coisas como classificar galáxias simuladas que realmente não existem.
“Depois de treinar uma 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 observações”, diz ele.
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 humano a classificar galáxias, eles descrevem a forma, falam sobre as características importantes, talvez desenham um diagrama e mostram alguns exemplos para finalizar.
Se estamos ensinando IA, eles podem usar apenas exemplos – e onde os voluntários podem descobrir o que é uma espiral barrada a partir de um ou dois exemplos, uma rede neural precisa de 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 ele está “pensando”, as características das imagens que está procurando não se parecem em nada com as que usaríamos como humanos.
Treinando 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 os cientistas cidadãos humanos obsoletos, 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.
“Em certo 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.
Publicado em 29/07/2021 19h23
Artigo original: