Científicos de Oxford y Google transformaron a Gemini, la IA multimodal de Google, en un astrónomo capaz de identificar supernovas y agujeros negros con un 96 % de precisión. Lo asombroso: solo necesitó 15 imágenes de entrenamiento para aprender a hacerlo
De modelo generalista a observador del cosmos
Durante años, los astrónomos han tenido que revisar manualmente miles de registros provenientes de telescopios automatizados.
Cada noche, los sensores capturan innumerables destellos que podrían ser supernovas, agujeros negros o simples artefactos de ruido. Separar lo real de lo falso es una tarea titánica, incluso con el apoyo de software especializado.
Pero un nuevo avance podría cambiar para siempre la forma en que miramos el cielo.
Un equipo conjunto de la Universidad de Oxford y Google Cloud logró convertir a Gemini, el modelo de inteligencia artificial de Google, en un astrónomo experto que clasifica eventos cósmicos con un 93 % de precisión, llegando al 96,7 % tras un breve ajuste.
Y lo hizo con un entrenamiento mínimo: solo 15 imágenes.
El reto: distinguir una supernova de un error del telescopio
Los telescopios de nueva generación generan millones de alertas nocturnas.
Cada una puede ser una estrella moribunda explotando o simplemente un destello causado por un satélite que pasó por delante del lente.
Los sistemas tradicionales de aprendizaje automático ya intentaban filtrar estos datos, pero funcionaban como “cajas negras”: ofrecían resultados sin explicar su razonamiento.
Eso obligaba a los científicos a verificar manualmente miles de supuestos hallazgos, un proceso lento y frustrante.
El equipo de Oxford y Google se propuso una pregunta radical:
“¿Y si una IA multimodal de propósito general, como Gemini, pudiera aprender astronomía sin ser diseñada específicamente para ello?”
Cómo entrenar a un astrónomo artificial con 15 ejemplos
Los investigadores alimentaron a Gemini con un diminuto conjunto de datos: 15 casos procedentes de tres estudios astronómicos distintos.
Cada uno incluía tres imágenes:
- una nueva alerta del cielo,
- una imagen de referencia anterior,
- y la diferencia entre ambas.
A eso se sumaba una breve descripción en lenguaje natural del tipo de cambio observado.
Tras esa fase mínima de entrenamiento, se le pidió a Gemini que analizara miles de nuevas alertas, clasificara si eran eventos reales o falsos positivos, y además explicara su razonamiento en cada decisión.
Un grupo de 12 astrónomos revisó los resultados y calificó las respuestas como coherentes y científicamente válidas.
Aprender, corregirse y volverse más preciso
El paso más fascinante llegó después.
Los científicos solicitaron a Gemini que evaluara su propio nivel de confianza en cada clasificación, generando una “puntuación de coherencia”.
Se descubrió que los casos con baja coherencia solían coincidir con los errores humanos o con fenómenos realmente ambiguos.
Al dirigir la atención de los astrónomos únicamente hacia estas alertas dudosas, el equipo logró aumentar la precisión total del sistema hasta el 96,7 %.
En palabras de Turan Bulmus, coautor principal desde Google Cloud:
“Estamos entrando en una era donde el descubrimiento científico se acelera no mediante algoritmos de caja negra, sino mediante socios de IA transparentes que aprenden con nosotros”.
Una nueva generación de asistentes científicos
El experimento marca un punto de inflexión en la investigación astronómica.
Demuestra que una IA generalista puede adaptarse rápidamente a campos científicos complejos sin requerir gigantescos conjuntos de datos o años de entrenamiento.
Gracias a su capacidad de razonar en lenguaje natural, Gemini no solo etiqueta fenómenos cósmicos, sino que explica por qué lo hace, algo esencial para la ciencia moderna.
Este enfoque abre la puerta a asistentes de IA que colaboren directamente con investigadores humanos, filtrando millones de datos y destacando solo los descubrimientos más prometedores.
Además, como el entrenamiento inicial es mínimo, el sistema puede actualizarse fácilmente para trabajar con nuevos telescopios o misiones espaciales, desde el Vera Rubin Observatory hasta futuras estaciones lunares.
Cuando la IA se convierte en científico
El logro de Oxford y Google no consiste solo en una mejora de eficiencia.
Representa un cambio filosófico: la inteligencia artificial deja de ser una herramienta pasiva y se convierte en un socio activo en el proceso científico.
De aquí en adelante, la frontera entre humanos e inteligencia artificial en la exploración del universo podría volverse tan difusa como las propias galaxias que ambos intentan comprender.
Fuente: es.gizmodo.com
Deja una respuesta