Claude Science di Anthropic ha prodotto la prima mappa ultravioletta completa dell'intero cielo, una pietra miliare descritta dall'astrofisico della Johns Hopkins Brice Ménard, che ha guidato il progetto e ha dettagliato il processo sul sito web di Anthropic. Lo sforzo, riportato da The Decoder, mostra come gli agenti di intelligenza artificiale coordinati possono assorbire il noioso lavoro sui dati a cui i team di ricerca altrimenti non riuscirebbero mai.
La mappa colma le lacune vecchie di decenni lasciate dalle precedenti missioni spaziali, combinando osservazioni d’archivio con ricostruzioni generate da modelli di regioni che nessun telescopio ha completamente coperto. È uno degli esempi più concreti finora di come l'intelligenza artificiale sia passata dai chatbot e dagli assistenti di codifica al macchinario quotidiano della ricerca scientifica, un tema che attraversa gran parte della [copertura della ricerca sull'intelligenza artificiale] odierna (https://aibuzzwire.news).
Perché una mappa UV completa non è mai esistita
La luce ultravioletta è invisibile da terra. Lo strato di ozono lo blocca, il che significa che l’astronomia UV può essere effettuata solo dallo spazio. La missione GALEX della NASA, che ha osservato il cielo nell’ultravioletto dal 2003 al 2013, è riuscita a coprire circa due terzi del cielo ma ha saltato le regioni luminose di formazione stellare, dove la luce è così intensa da danneggiare i rilevatori o saturare le osservazioni.
Ciò ha lasciato circa un terzo del cielo senza copertura UV, compresi alcuni dei quartieri scientificamente più interessanti, densi di giovani stelle e di formazione stellare attiva. Per più di un decennio, gli astronomi che lavorano con i dati UV hanno dovuto fare i conti con questi buchi, mettendo insieme viste parziali o semplicemente evitando le regioni mancanti nelle loro analisi.
Come gli agenti IA hanno assemblato la mappa
Claude Science coordina team di agenti IA che hanno scaricato dati da più missioni spaziali, li hanno calibrati e li hanno uniti in un'unica mappa coerente. Laddove mancavano le osservazioni, il sistema ha utilizzato l’inpainting, una tecnica in cui un modello apprende dai dati esistenti per ricostruire le lacune.
I risultati sono stati convalidati rispetto a misurazioni reali: nei test, le previsioni del modello si discostavano dai valori reali in media di circa il 10%, secondo la descrizione del progetto di Ménard. Questo tasso di errore è importante – è la differenza tra un prodotto scientificamente utilizzabile e una bella immagine – e suggerisce che le ricostruzioni sono abbastanza vicine da supportare il lavoro esplorativo, anche se non sostituiscono l’osservazione diretta.
La luce UV rivela la polvere illuminata dalla luce stellare, comprese strutture come nuvole attorno a giovani stelle e anelli lasciati dalle esplosioni stellari. Con l’intero cielo ora coperto, i ricercatori possono studiare quelle caratteristiche in regioni che in precedenza erano punti ciechi.
L’approccio di coordinamento degli agenti è notevole quanto il risultato. Invece di un unico modello che rispondeva alle domande, il sistema ha scomposto il progetto in compiti – individuare archivi di missione, estrarre dati, controllare la calibrazione, allineare proiezioni, unire sondaggi sovrapposti, identificare lacune – e li ha assegnati ad agenti specializzati che hanno lavorato lungo il processo. Gli scienziati umani hanno stabilito i requisiti e convalidato il risultato; gli agenti hanno svolto il lavoro di assemblaggio che altrimenti avrebbe consumato dieci anni di uno studente laureato.
Uno strumento didattico e un modello
Ménard ha affermato che la mappa è destinata a servire come materiale didattico, offrendo per la prima volta a studenti e ricercatori una visione completa del cielo ultravioletto. Ma l’implicazione più grande potrebbe essere il flusso di lavoro stesso.
Sospetta che molti scienziati abbiano rimandato progetti simili: grandi e poco affascinanti sforzi di integrazione dei dati che l’intelligenza artificiale potrebbe ora rendere possibili. Gli archivi delle missioni spaziali passate sono pieni di dati che non sono mai stati sfruttati appieno, non perché manchino di valore, ma perché pulirli, calibrarli e unirli richiederebbe anni di duro lavoro a un gruppo di ricerca. I sistemi basati su agenti come Claude Science cambiano questa economia: il coordinamento e la gestione dei dati che una volta consumavano una carriera possono avvenire in un progetto.
C’è anche una discreta ironia nella fonte di queste lacune. GALEX ha tralasciato le regioni di formazione stellare più luminose proprio perché sono tra gli obiettivi più preziosi: i motori della nuova formazione stellare che gli astronomi desiderano maggiormente studiare nella luce ultravioletta. Una missione progettata attorno alla protezione degli strumenti ha finito per lasciare non mappati i suoi quartieri più interessanti e solo ora, con la ricostruzione assistita dall’intelligenza artificiale, quel punto cieco viene colmato.
Gli avvertimenti
Le regioni dipinte sono previsioni, non misurazioni. Circa un terzo di questa mappa esiste perché un modello ha dedotto come dovrebbe apparire il cielo UV in base ai dati circostanti e ai modelli appresi dalle regioni coperte. La deviazione media del 10% è una cifra aggregata; strutture specifiche – un debole anello attorno a un resto stellare, il bordo di una nuvola di polvere – potrebbero essere meno affidabili di quanto suggeriscono le statistiche complessive della mappa.
Questo non è un licenziamento. Ogni progetto di ricostruzione in astronomia deve affrontare lo stesso compromesso, e il progetto Anthropic è trasparente su quali regioni siano state dedotte. Ma i ricercatori che citano la mappa dovranno distinguere le aree osservate da quelle ricostruite, in particolare per quanto riguarda fonti deboli o insolite.
Il progetto segnala anche la spinta più ampia di Anthropic a posizionare i suoi modelli all'interno dei flussi di lavoro scientifici, dalla mappa del cielo alla scansione delle vulnerabilità per il software open source annunciata questa settimana. Per la comunità astronomica, il risultato immediato è più semplice: un set di dati che non esisteva ora esiste, e gli strumenti che lo hanno costruito possono essere utilizzati per altre missioni successive.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
