El telescopio espacial Hubble lleva más de treinta años observando el cosmos y, ahora, una inteligencia artificial llamada AnomalyMatch se ha puesto a “revisar los deberes” con una velocidad que realmente impresiona.
Y es que, en apenas 72 horas, el sistema sacó a la luz 1.300 objetos anómalos en imágenes que, en teoría, ya habían sido analizadas hasta el cansancio por la comunidad científica. En concreto, más de 800 de esas detecciones no contaban con documentación previa en la literatura científica, un detalle que cambia por completo el tono de la conversación.
Pero esto no va solo de una cifra llamativa, sino de una idea bastante incómoda: que el supuesto “archivo agotado” del Hubble quizá no estaba tan agotado como se pensaba.
El archivo del Hubble acumula más de tres décadas de historia del universo en forma de imágenes, catálogos y observaciones repetidas de los mismos objetos, lo que lo convierte en una auténtica mina científica, pero también en un reto de enormes proporciones.
En concreto, ese volumen ingente de datos se ha transformado en un problema constante para los investigadores, que a menudo se ven desbordados por la cantidad de información acumulada. Es decir, no es que falten datos, es que sobran, hasta el punto de que el ojo humano —y el tiempo humano— no alcanzan para revisarlo todo con el nivel de detalle que exige la ciencia de precisión.
A esto se suma un matiz importante: gran parte de estos registros están asociados a archivos gestionados y curados por organismos como la Agencia Espacial Europea, con capas y capas de procesado histórico. Y claro, cuando una imagen ya ha pasado por manos expertas, la tentación es pensar que, si hubiera algo realmente extraño, alguien ya lo habría detectado.
El programa utilizado se llama AnomalyMatch, y se trata de una red neuronal entrenada específicamente para localizar patrones inusuales en áreas de apenas unos pocos píxeles. No busca imágenes espectaculares ni hace divulgación automática: hace trabajo sucio de detective, señalando fragmentos que se salen de lo esperable.
Y es que el algoritmo examinó cerca de 100 millones de fragmentos de imagen en un tiempo récord. En concreto, una tarea que habría requerido décadas de análisis manual se resolvió en solo 72 horas de procesamiento informático.
Aquí la clave no es únicamente la velocidad, sino el tipo de atención que ofrece la máquina: no se cansa, no se distrae y no pasa por alto detalles por llevar horas observando el mismo tipo de nebulosa. Eso sí, tampoco conviene venderlo como magia. La IA no “descubre” como lo haría un humano, sino que prioriza. Básicamente, te dice: “mira aquí primero, porque esto no encaja”.
De esta forma, convierte un océano de imágenes en una lista manejable de candidatos raros, que luego pueden ser evaluados con criterio científico por equipos humanos.
El rastreo con IA permitió identificar 1.300 objetos anómalos, una cifra nada menor si se tiene en cuenta que hablamos de uno de los archivos más auditados de la astronomía moderna. En concreto, más de 800 de esos objetos no tenían documentación previa en la literatura científica.
Es decir, no se trata de fenómenos ya conocidos con otro nombre, sino de casos que, como mínimo, nunca habían sido señalados de manera formal. Esto deja en evidencia que nuevas herramientas pueden extraer valor científico de bases de datos que la astronomía convencional consideraba prácticamente agotadas.
Al mismo tiempo, plantea una pregunta inevitable: ¿cuántas señales interesantes han permanecido años en el limbo simplemente porque nadie podía permitirse buscarlas una por una?
Entre los hallazgos aparecen las llamadas galaxias “medusa”, caracterizadas por largas estelas de gas que recuerdan a tentáculos. Son sistemas que parecen estar siendo despojados de su gas por el entorno, y eso cuenta una historia potente sobre cómo evolucionan las galaxias cuando habitan barrios cósmicos especialmente hostiles.
A esto se suma la detección de fusiones galácticas, auténticos choques y abrazos gravitacionales que terminan redefiniendo la forma y el futuro de una galaxia. Entender cuántas fusiones existen, en qué fases se encuentran y qué señales visibles dejan es clave para ajustar los modelos de formación de estructuras a gran escala.
El sistema también identificó discos de formación planetaria, esos talleres cósmicos donde se cocinan planetas alrededor de estrellas jóvenes. Vistos de perfil, algunos muestran una estructura curiosa, similar a una hamburguesa, por la disposición de su polvo estelar: capas superiores e inferiores bien definidas y una banda oscura central.
Pero para muchos astrónomos, lo más jugoso aparece cuando la IA localiza lentes gravitacionales. Una lente gravitacional se produce cuando la masa de un objeto grande curva la luz de cuerpos situados detrás, actuando como una lupa natural que permite observar regiones extremadamente lejanas del universo con una claridad difícil de conseguir por métodos tradicionales.
El éxito de este experimento con el archivo del Hubble se perfila como una referencia clara para futuras misiones espaciales. La llegada de nuevos telescopios traerá consigo un flujo de datos directamente inasumible para el ojo humano, incluso contando con los mejores expertos del planeta.
El método tradicional de “mirar una imagen tras otra” simplemente no escala cuando el volumen de datos crece más rápido que la capacidad de análisis, financiación y tiempo disponible. A esto se añade un riesgo silencioso pero real: que fenómenos relevantes queden olvidados, no porque sean invisibles, sino por falta de recursos técnicos para detectarlos.
Eso sí, este cambio también obliga a ajustar el chip. Si vamos a depender de algoritmos para decidir qué merece atención, será imprescindible auditar esos modelos, entender sus sesgos y vigilar que lo raro para la red neuronal no sea solo lo raro dentro de su entrenamiento.
Con todo, AnomalyMatch ya ha demostrado algo clave: la precisión algorítmica puede extraer valor científico incluso de imágenes que los expertos habían procesado sin detectar nada fuera de lo común. Y si después de más de 30 años el Hubble todavía guarda sorpresas, basta imaginar lo que ocurrirá cuando los próximos observatorios empiecen a generar datos sin descanso.
Veremos cómo responde la competencia, pero una cosa parece clara: esto solo es el comienzo de una astronomía donde descubrir no será solo mirar más lejos, sino saber buscar mejor.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
