Reducir un trabajo de meses a segundos: eso promete esta red neuronal con las imágenes espaciales más exigentes

Ya llevamos un tiempo conviviendo con la inteligencia artificial (aunque sea a distancia) y viendo aplicaciones, pero aún se le puede sacar más jugo para mejorar lo "cotidiano". Al menos si hablamos de lo diario en la exploración espacial, dado que unos científicos han recurrido a redes neuronales e inteligencia artificial para mejorar las imágenes que obtienen los telescopios espaciales.

La premisa es sencilla, de hecho es la misma que dio inicio al desarrollo de la computación o la industria: la tecnología (robots, software, etc.) acelera las tareas. Y lo que han logrado con sus redes neuronales es acelerar el análisis de expertos en el procesamiento de estas imágenes hasta 10 millones de veces más rápido, según aseguran, con el fin de aprovechar lo que se conoce como lentes gravitatorias.

Aprovechando las lentes que nos da el espacio

Lo que proponen en su trabajo, publicado recientemente en Nature, este equipo de científicos del SLAC National Accelerator Laboratory, en la Universidad de Stanford, es recurrir a una red neuronal "entrenada" para que analice las imágenes de estas lentes gravitatorias obtenidas por los telescopios espaciales (como el Hubble). Con ello se consigue obtener imágenes más claras de los puntos más lejanos que alcanzan las lentes.

Pero, ¿qué es una lente gravitatoria? No es un cristal de dimensiones galácticas, pero es un efecto que se forma alrededor de un cuerpo masivo que sí puede ser una galaxia. Se forma cuando entre un cuerpo brillante (y distante) y el receptor (en este caso nosotros o el telescopio que sea) hay un cuerpo masivo (como puede ser una galaxia) y la luz del cuerpo se curva alrededor del masivo. Es decir, es como un eclipse, pero en vez de una penumbra lo que ocasiona es una curva lumínica que hace las veces de lente o de reflector de luz.

Esto se traduce en una distorsión que no suele ser esférica, de modo que el observador ve numerosas imágenes distorsionadas de la misma fuente (si pudiésemos hacer un molde de una galaxia nos daría una superficie irregular, de ahí esa distorsión). Y no sólo es efectiva en el espectro de luz visible; abarca todo el espectro de radiación electromagnética (ultravioleta, infrarrojo, etc.), y hasta el momento se han usado para observar y detectar objetos lejanos o para deducir la distribución de masa del cuerpo que hace de reflector, así como rastrear materia oscura.

Este trabajo hasta el momento es bastante complejo, dado que el análisis de estas imágenes puede tomar incluso meses, según explica Laurence Perreault Levasseur (uno de los coautores) en el trabajo. De ahí que estos científicos hayan pensado en agilizar el proceso, y para ello han "entrenado" a su red neuronal con medio millón de imágenes de simulaciones de lentes gravitatorias. Tras ello, la red era capaz de identificar nuevas lentes así como de determinar sus características, como la distribución de masa que comentábamos según explican en el trabajo, y de hacerlo en pocos segundos.

Acelerar para saber antes y mejor

Según Perreault Levasseur no tienen suficiente personal "para analizar todos estos datos a tiempo con los métodos tradicionales", matizando que la red neuronal completa este trabajo de semanas o meses "en una fracción de segundo, de manera completamente automática, en principio, en un chip de teléfono móvil". De hecho, una de las redes neuronales que han creado y probado fue diseñada para trabajar con iPhones.

Y la idea es que esto se lleve a los laboratorios para que el análisis de estas imágenes se produzca de manera más rápida e incluso mejorando el resultado de esos análisis tan duraderos. De este modo se agilizarían las rutinas llegándose antes a las mismas conclusiones, según explican.

Como decíamos al principio, la aplicación de inteligencia artificial se está democratizando a medida que ésta se domina, viéndolo por ejemplo en la pasada edición de Wimbledon. Como en el caso de este trabajo, ha habido otras aplicaciones relacionadas con la edición fotográfica, como los impresionantes resultados de la AI de Google o dando color a imágenes en blanco y negro, o incluso haciendo que algoritmos, redes neuronales e AIs sean artistas, aunque a veces los resultados son algo inquietantes como en el caso de la lograda imitación de voces o los retratos que siguen el cursor.

Imagen | Hubble, NASA
Vía | Phys.org
En Xataka | Estas obras de arte han sido creadas por una doble red neuronal y logran gustar más que las pintadas por humanos