IA vasculha 100 milhões de imagens do Hubble em dois dias e meio e descobre 1.300 anomalias cósmicas

Em apenas dois dias e meio, um sistema de aprendizado de máquina chamado AnomalyMatch varreu 99,6 milhões de imagens do Arquivo Legado do Telescópio Espacial Hubble. O resultado: 1.339 fontes cósmicas incomuns, das quais mais de 800 jamais haviam aparecido na literatura científica. A façanha, publicada originalmente pelo Space Daily, demonstra como a inteligência artificial pode revolucionar a descoberta astronômica ao processar volumes de dados que seriam inviáveis para a análise humana.

Como AnomalyMatch detecta anomalias com IA no Hubble

O AnomalyMatch é um modelo de aprendizado de máquina treinado para identificar objetos que fogem aos padrões esperados em imagens astronômicas. Ele compara automaticamente cada nova imagem com milhões de referências conhecidas — galáxias, nebulosas, estrelas — e sinaliza o que não se encaixa. No caso do Hubble, o sistema conseguiu concluir em 60 horas uma tarefa que levaria anos para uma equipe de astrônomos. A velocidade vem da capacidade de processar imagens em paralelo, sem a fadiga ou o viés humano.

Por que a detecção de anomalias com IA importa para a astronomia

O Arquivo Legado do Hubble contém décadas de observações, mas grande parte dos dados nunca foi analisada em profundidade. Com ferramentas como o AnomalyMatch, os cientistas podem identificar rapidamente candidatos a objetos raros — como supernovas, buracos negros, aglomerados estelares inusitados ou até mesmo novos tipos de fenômenos. Mais de 800 das fontes encontradas não constam em catálogos existentes, o que significa que podem representar descobertas genuínas ou alvos prioritários para telescópios como o James Webb.

Como a IA está transformando a análise de dados espaciais

A astronomia sempre lidou com volumes imensos de dados, mas a IA agora permite extrair insights em escala inédita. Sistemas como o AnomalyMatch não apenas aceleram o processo como também reduzem o custo operacional de missões. Essa abordagem tem paralelos em outras áreas — por exemplo, o Kimi K3: modelo chinês de 3 trilhões de parâmetros rivaliza com Claude e ChatGPT e será open-weight mostra como modelos massivos processam informação em tempo recorde. No espaço, a combinação de arquivos históricos com aprendizado de máquina promete revelar segredos que estavam escondidos em meio a bilhões de pixels.

Perguntas frequentes sobre IA e anomalias no Hubble

Quanto tempo levaria um astrônomo para analisar essas imagens manualmente?

Anos. Uma equipe de astrônomos levaria décadas para examinar individualmente cada uma das 99,6 milhões de imagens — e ainda assim com risco de erros humanos.

As anomalias encontradas podem ser novas estrelas ou galáxias?

Sim, muitas delas. Cerca de 800 fontes nunca foram catalogadas antes, podendo ser desde supernovas distantes até objetos ainda não classificados, como buracos negros ou aglomerados raros.

O sistema AnomalyMatch será usado em outros telescópios?

Possivelmente. A mesma técnica pode ser aplicada a arquivos de outros observatórios, como o James Webb ou missões futuras, ampliando a capacidade de descoberta em larga escala.

Fonte: Space Daily