Per cercare oggetti transienti, improvvisi nuovi astri che si accendono in cielo come l’esplosione di una supernova, l’astronomo del Novecento usava le lastre fotografiche, l’astronomo di ieri guardava immagini al computer, e l’astronomo di oggi si fa aiutare dalla tecnologia. Un software confronta immagini dello stesso pezzo di cielo prese in epoche diverse alla ricerca di qualche luce nuova. Poi passa il testimone all’astronomo, che si occupa di capire se si tratti di qualcosa di vero o meno. L’astronomo di domani, invece, potrà andare tranquillamente a dormire e delegare tutto il processo all’Ai, l’intelligenza artificiale. Con un po’ di fortuna, il mattino seguente il Bright Transient Survey Bot (BtsBot) avrà identificato, confermato e classificato una supernova di tipo Ia in completa autonomia. È ciò che è successo il 7 ottobre scorso,
Negli ultimi sei anni, per ciascun candidato di supernova segnalato dai software di confronto di immagini, tra ispezioni visive e classificazione si stima che gli astronomi abbiano speso circa 2200 ore. Non solo: per sapere con certezza se un candidato sia una supernova occorre raccogliere e analizzare il suo spettro, un lavoro che spesso viene eseguito manualmente dagli astronomi al telescopio. Tutto tempo che i ricercatori potrebbero dedicare completamente alla scienza, ora che – da inizio ottobre, dopo il primo caso andato a buon fine – BtsBot è ufficialmente online.
«Grazie a questo nuovo strumento, l’intelligenza artificiale aiuta a classificare le supernove, eliminando un passaggio che richiede molto tempo di lavoro se affrontato dagli esseri umani», dice a Media Inaf Adam Miller, professore associato alla Northwestern University e a capo del team che ha sviluppato BtsBot. «Ma l’intelligenza artificiale non può (per ora) raccogliere un gran numero di supernove di tipo Ia e poi analizzare le loro curve di luce per dedurre la distanza di ciascuna di esse come mezzo per misurare la costante di Hubble, per fare un esempio. Gli esseri umani sono ancora necessari per analizzare e interpretare le osservazioni dopo che sono state classificate».
BtsBot è dotato di un algoritmo di apprendimento automatico che è stato allenato a riconoscere i casi interessanti usando più di 1.4 milioni di immagini storiche provenienti da quasi 16mila sorgenti, tra cui supernove confermate, stelle e galassie con brillamenti (flares) in corso e stelle periodicamente variabili. Per portare a termine il lavoro, comunque, l’algoritmo deve servirsi di una serie di altri strumenti, tutti completamente automatizzati. Il primo a entrare in gioco è lo Zwicky Transient Facility (Ztf), una fotocamera a grande campo montata all’Osservatorio di Monte Palomar, in California, che scansiona periodicamente il cielo boreale alla ricerca di fenomeni transienti. BtsBot setaccia i dati di Ztf in tempo reale, cercando i candidati di interesse, e quando ne trova uno chiede automaticamente a un piccolo telescopio robotico di 1.5m di diametro (anch’esso completamente automatizzato) a Monte Palomar, di fare lo spettro della sorgente. Infine, lo spettro viene inviato a un software al Caltech, SnIascore, che esegue la classificazione. La possibilità di usare telescopi completamente automatizzati è fondamentale, per il funzionamento di un simile processo di indagine.
«Negli ultimi 15 anni si è cercato di sviluppare telescopi robotici», spiega Miller. «Per entrambe le strutture usate da BtsBot, non ci sono esseri umani che manovrano il telescopio, ma è stato sviluppato un software per gestire tutti i dettagli meccanici (ad esempio, aprire la cupola del telescopio, spostare il telescopio e la cupola per osservare un bersaglio specifico, effettuare osservazioni, inviare i dati a un server dove le osservazioni vengono ridotte). Per queste strutture robotizzate, l’uomo crea il programma o scrive il software per farlo, ma non c’è un essere umano che si trovi fisicamente al telescopio o che fornisca comandi per ogni singolo passaggio».
Pochi giorni fa, l’intero processo è stato testato con successo su una supernova appena scoperta, Sn 2023tyk. Dopo averla identificata e averne fatto lo spettro, BtsBot ha decretato che si trattasse effettivamente di una supernova di tipo Ia, un’esplosione stellare in cui una nana bianca in un sistema stellare binario esplode dopo aver raggiunto una massa critica. E, sempre in maniera automatica, ha condiviso pubblicamente la scoperta con la comunità astronomica il 7 ottobre.
«Penso che l’intelligenza artificiale possa essere dannosa per l’astronomia e per gli astronomi solo se usata in modo improprio», dice a Media Inaf Nabeel Rehemtulla, dottorando alla Northwestern University che ha lavorato allo sviluppo e all’implementazione di BtsBot. «Quando usata in modo appropriato, invece, può portare grandi benefici. I potenziali effetti collaterali dannosi sono stati presi in considerazione durante lo sviluppo di BtsBot, e continuiamo a considerarli man mano che integriamo ulteriormente il software nei nostri flussi di lavoro. Una cosa a cui prestare attenzione, ad esempio, è la perdita di esperienza nel vagliare i candidati delle supernove, e l’introduzione di bias di selezione nei nostri campioni di supernove. Al momento, le prestazioni simulate non lasciano spazio all’iniezione di bias di selezione (BtsBot trova oltre il 99 per cento delle supernove rilevanti), e sto monitorando personalmente le azioni di BtsBot ogni mattina per verificare che le prestazioni reali corrispondano a quelle simulate, come previsto. I rischi di usare impropriamente l’Ai, e ottenere risultati sbagliati, c’è. Ad esempio, si potrebbe addestrare l’Ai su dati non del tutto rappresentativi di ciò che l’Ai vede in produzione; o si potrebbe non rispettare procedure adeguate di pulizia dei dati durante lo sviluppo. L’uso corretto dell’Ai in astronomia, e probabilmente nella maggior parte delle scienze, richiede un’attenzione meticolosa ai dettagli».
Fonte: Media INAF
