🤖 Una IA identifica 1300 anomalÃas en los archivos del telescopio Hubble
Ante esta montaña de información, investigadores de la Agencia Espacial Europea desarrollaron un modelo de inteligencia artificial llamado AnomalyMatch. Diseñado para examinar los archivos de Hubble, esta herramienta escanea automáticamente las imágenes en busca de elementos inusuales, imitando la forma en que nuestro cerebro procesa la información visual.
Una vista capturada por el telescopio espacial Hubble que muestra galaxias lejanas.
Crédito: ESA/Hubble & NASA, D. O'Ryan, P. Gómez (Agencia Espacial Europea), M. Zamani (ESA/Hubble)
El análisis de casi 100 millones de imágenes reveló más de 1300 anomalÃas, de las cuales cientos no habÃan sido documentadas anteriormente. Estos objetos presentan apariencias singulares que escapan de las categorÃas habituales. Realizada en solo tres dÃas de procesamiento, esta avalancha de descubrimientos demuestra la eficacia del método frente a un volumen inmenso de datos.
Entre los hallazgos, se destacan galaxias en fusión con cúmulos masivos de formación estelar, estructuras que se asemejan a medusas con 'tentáculos' gaseosos, o discos de formación planetaria vistos de canto en nuestra propia galaxia.
El funcionamiento de AnomalyMatch se basa en el aprendizaje de patrones visuales normales, permitiéndole identificar las desviaciones. Este enfoque sistemático es una primicia para los archivos de Hubble, que abarcan 35 años de observaciones. Abre el camino a exploraciones más profundas sin requerir un tiempo humano prohibitivo.
Los responsables del proyecto indican que esta iniciativa muestra cómo la inteligencia artificial puede aumentar considerablemente el rendimiento cientÃfico. También muestra el potencial de los archivos astronómicos para descubrimientos futuros, especialmente en el marco de grandes campañas de observación.
Este avance está documentado en un artÃculo publicado en Astronomy and Astrophysics en diciembre de 2025.
El funcionamiento del reconocimiento de patrones por IA
La inteligencia artificial utilizada aquà se basa en redes neuronales diseñadas para analizar imágenes. Estos sistemas se entrenan con vastos conjuntos de datos ya analizados donde aprenden a distinguir las caracterÃsticas normales de los objetos astronómicos. Una vez entrenados, pueden escanear rápidamente nuevas imágenes para detectar lo que sale de lo ordinario.
Este método imita algunos procesos del cerebro humano, como la detección de contornos o texturas, pero a una escala y velocidad muy superiores. No requiere programación explÃcita para cada tipo de anomalÃa, lo que la hace adaptable a diversos campos.
Las aplicaciones van más allá de la astronomÃa, con usos posibles en medicina para el análisis de imágenes o en seguridad para la vigilancia. En el caso de Hubble, permite aprovechar datos antiguos para descubrimientos nuevos, sin tener que rehacer observaciones.
El valor de los datos archivados en ciencia
Los archivos cientÃficos, como los de Hubble, constituyen un recurso valioso que gana importancia con el tiempo. Conservan observaciones realizadas en el pasado, permitiendo comparaciones y reanálisis con herramientas más potentes. Esto evita perder información y maximiza las inversiones iniciales.
En el ámbito espacial, los datos archivados cubren largos perÃodos, revelando cambios lentos o eventos raros. Por ejemplo, seguir la evolución de una galaxia a lo largo de décadas se hace posible gracias a estas colecciones.
El acceso a estos archivos se facilita mediante plataformas digitales, fomentando la colaboración internacional y la ciencia abierta. Investigadores de todo el mundo pueden consultarlos para probar nuevas ideas o validar teorÃas.