Si hay algo con lo que el público en general está familiarizado cuando usa inteligencia artificial es el reconocimiento facial. Ya sea abriendo su teléfono móvil o los algoritmos que usa Facebook para encontrar ojos u otras partes de un rostro en las imágenes, el reconocimiento facial se ha convertido en un estándar.
Pero ahora los científicos que se ocupan de cuestiones complejas como la composición del universo están comenzando a utilizar una versión modificada del reconocimiento facial «estándar» en un intento por descubrir cuánta materia oscura hay en el universo y dónde posiblemente se encuentre.
Como Tendencias digitales y Futuro nota en sus informes sobre el tema, «los físicos creen que la comprensión de esta sustancia misteriosa es necesaria para explicar preguntas fundamentales sobre la estructura subyacente del universo».
Son los investigadores reunidos en el grupo de Alexandre Refregier en el Instituto de Física de Partículas y Astrofísica en ETH Zurich, Suiza, los que han comenzado a utilizar métodos de redes neuronales profundas que se encuentran detrás del reconocimiento facial para desarrollar nuevas herramientas especiales para intentar descubrir lo que todavía es un secreto del universo para nosotros.
Como Janis Fluri, uno de los investigadores que trabajan en el proyecto, dijo a Digital Trends: “El algoritmo que [use] está muy cerca de lo que se usa comúnmente en el reconocimiento facial”, y agregó que “la belleza de la IA es que puede aprender básicamente de cualquier dato. En el reconocimiento facial, aprende a reconocer ojos, bocas y narices, mientras buscamos estructuras que nos den pistas sobre la materia oscura. Este reconocimiento de patrones es esencialmente el núcleo del algoritmo. En última instancia, solo lo adaptamos para inferir los parámetros cosmológicos subyacentes”.
Como se explica, los científicos plantean la hipótesis de que la materia oscura representa alrededor del 27% del universo, superando a la materia visible en una proporción de aproximadamente seis a uno. La teoría también dice que la materia oscura le da a las galaxias “la masa extra que necesitan para no desgarrarse como una bolsa de papel suicida. Es lo que impulsa a la materia normal en forma de polvo y gas a acumularse y ensamblarse en estrellas y galaxias”.
Lo que buscan los investigadores son las áreas alrededor de los cúmulos de galaxias que aparecen deformadas. Mediante el uso de la ingeniería inversa «pueden aislar donde creen que se pueden encontrar las concentraciones más densas de materia, tanto visibles como invisibles».
Fluri y Tomasz Kacprzak, otro investigador del grupo, explicaron que entrenaron su red neuronal alimentándola con datos generados por computadora que en realidad simulan el universo. Su análisis repetido de los mapas de materia oscura les dio la posibilidad de extraer «parámetros cosmológicos» de las imágenes reales del cielo.
Los resultados que lograron al compararlos con los métodos estándar utilizados en este proceso mostraron una mejora del 30%, según el análisis estadístico hecho por humanos. Como explicó Fluri, “el algoritmo de IA necesita muchos datos para aprender en la fase de entrenamiento. Es muy importante que estos datos de entrenamiento, en nuestro caso simulaciones, sean lo más precisos posible. De lo contrario, aprenderá características que no están presentes en los datos reales”.
Después de entrenar la red, la alimentaron con mapas reales de materia oscura obtenidos de Conjunto de datos KiDS-450, realizada con el VLT Survey Telescope (VST) en Chile. Este conjunto de datos cubre un área total de unas 2200 veces el tamaño de la luna llena y contiene registros de alrededor de 15 millones de galaxias.
Como explica Futurity, al analizar repetidamente los mapas de materia oscura, la red neuronal se enseñó a sí misma a buscar el tipo correcto de características en ellos y a extraer más y más de la información deseada. formas ovaladas de ojos o bocas.”