IA recoja 100 millones de imágenes del Hubble en dos días y medio y descubre 1.300 anomalías cósmicas

En apenas dos días y medio, un sistema de aprendizaje de máquina llamado AnomalyMatch barrizó 99,6 millones de imágenes del Archivo Legado del Telescopio Espacial Hubble. El resultado: 1.339 fuentes cósmicas inusuales, de las cuales más de 800 jamás habían aparecido en la literatura científica. La hazaña, publicada originalmente por Space Daily, demuestra cómo la inteligencia artificial puede revolucionar el descubrimiento astronómico al procesar volúmenes de datos que serían inviables para el análisis humano.

Como AnomalyMatch detecta anomalías con IA en el Hubble

AnomalyMatch es un modelo de aprendizaje de máquina entrenado para identificar objetos que escapan a los patrones esperados en imágenes astronómicas. Él compara automáticamente cada nueva imagen con millones de referencias conocidas — galaxias, nebulosas, estrellas — y señala lo que no encaja. En el caso del Hubble, el sistema logró concluir en 60 horas una tarea que llevaría años a un equipo de astrónomos. La velocidad viene de la capacidad de procesar imágenes en paralelo, sin la fatiga o el sesgo humano.

Por qué la detección de anomalías con IA importa para la astronomía

El Archivo Legado del Hubble contiene décadas de observaciones, pero gran parte de los datos nunca fue analizada en profundidad. Con herramientas como AnomalyMatch, los científicos pueden identificar rápidamente candidatos a objetos raros, como supernovas, agujeros negros, cúmulos estelares inusitados o incluso nuevos tipos de fenómenos. Más de 800 de las fuentes encontradas no figuran en catálogos existentes, lo que significa que pueden representar descubrimientos auténticos o objetivos prioritarios para telescopios como James Webb.

Cómo la IA está transformando el análisis de datos espaciales

La astronomía siempre ha leído con volúmenes inmensos de datos, pero la IA ahora permite extraer conocimientos a escala inédita. Sistemas como AnomalyMatch no sólo aceleran el proceso sino que también reducen el costo operativo de misiones. Este enfoque tiene paralelos en otras áreas, por ejemplo, Kimi K3: modelo chino de 3 billones de parámetros rivaliza con Claude y ChatGPT y será open-weight muestra cómo modelos masivos procesan información en tiempo récord. En el espacio, la combinación de archivos históricos con aprendizaje de máquina promete revelar secretos que estaban escondidos en medio de mil millones de píxeles.

Preguntas frecuentes sobre IA y anomalías en el Hubble

¿Cuánto tiempo llevaría un astrónomo para analizar estas imágenes manualmente?

Años. Un equipo de astrónomos llevaría décadas para examinar individualmente cada una de las 99,6 millones de imágenes, y aún así con riesgo de errores humanos.

¿Las anomalías encontradas pueden ser nuevas estrellas o galaxias?

Sí, muchas de ellas. Cerca de 800 fuentes nunca fueron catalogadas antes, pudiendo ser desde supernovas distantes hasta objetos todavía no clasificados, como agujeros negros o aglomerados raros.

¿El sistema AnomalyMatch se usará en otros telescopios?

Posiblemente. La misma técnica puede aplicarse a archivos de otros observatorios, como James Webb o misiones futuras, ampliando la capacidad de descubrimiento a gran escala.

Fuente: Space Daily