INTRO

Há pouco na sociedade foi introduzido o conceito de galáxia e universo em expansão como temos noção atualmente. Há menos de 100 anos estavam sendo discutidos os primeiros passos de uma tecnologia tão crucial em nossas vidas como a inteligência artificial.

Alan Turing em 1947 sugeriu que os computadores começassem a tomar decisões por si, a partir de vários exemplos que fossem imersos. Ou seja, eles fariam algo além de trabalhos metódicos que precisam de inputs vindos de humanos.

Em 1920 houve apresentações divergentes de trabalhos voltados para definição de qual seria a composição e escala do universo, uma vez que existiam até então nebulosas observadas que não sabiam a natureza. Foi conhecido como o Grande Debate e seus participantes eram Heber D. Curtis e Harlow Shapley.

Em seus estudos, Shapley utilizando erroneamente Variáveis Cefeidas – estrelas que mudam periodicamente sua luminosidade - defendia que a Via Láctea era todo o universo. Em contrapartida, Hurtis defendia que as nebulosas eram como a Via Láctea e estavam fora do nosso domínio.

No ano 1912, Henrietta-Leavitt teve suas ideias expostas ao meio acadêmico mostrando a relação de período-luminosidade sendo capaz de medir distâncias. Utilizando 1800 Cefeidas, Leavitt encontrou dentro deste grupo uma categoria de estrelas que possuíam brilho proporcional ao período e assim aplicando a lei de potência inversa, determinou distância até as Cefeidas.

Somente anos depois em 1923, Hubble apontou o telescópio para Andrômeda e utilizando a relação de Henrietta determinou finalmente que as nebulosas eram extragalácticas. Hubble passou 31 dias observando Andrômeda e acabou detectando uma Cefeida; por isto pôde medir a distância até a estrela na galáxia de Andrômeda. O resultado trouxe à tona a existência de outros objetos parecidos com a Via Láctea morfologicamente e grandes distâncias para o universo observável.

Nos anos 1929, Hubble publica o artigo em que descreve a relação entre distância e velocidade de recessão de galáxias, demonstrando que o universo está expandindo e alterando completamente a noção de realidade da época. O gráfico (VxD) é linear e a inclinação desta reta equivale a constante de expansão do universo. Hubble mostra que as galáxias estão se afastando de nós com velocidade proporcional à distância até nós, ou seja, quanto mais longe estiver mais rápido se afasta.

             IA E COSMOLOGIA: ONDE CONVERGEM? 

A inteligência artifical e sua subárea: aprendizado de máquina supervisionado e a astrofísica/cosmologia utilizam loops de métodos: pesquisa, educação e aplicação.

Basicamente, a cosmologia traz o problema para a máquina aprender soluções e eventualmente as metodologias são aplicadas em áreas de bem comum a sociedade. A necessidade de resolver os mistérios da matéria escura e da energia escura (que juntas representam 95% do universo) e encontrar vida em outras partes do universo não será possível sem métodos estatísticos e análise de dados que ainda precisam ser inventados. Nenhum olho humano jamais inspecionará todas as 50 bilhões de galáxias do universo visível, nem os 7.500 bilhões de sistemas planetários potencialmente habitáveis: precisamos de máquinas para fazer isso por nós.

Este texto explorará como a inteligência artificial (IA) enfrentará os desafios impostos pela Big Data para ajudar a responder a questões fundamentais do cosmos.

A cosmologia busca atualmente responder 3 questões fundamentais e nestas 3, a inteligência artificial tem um papel crucial para otimizar a rapidez para respostas.

   Inicialmente, questiona-se o que é a matéria escura? 

Através da imagem conhecida como Bullet Cluster – colisão de dois aglomerados de galáxias em uma escala de tempo de centenas de milhões de anos - é possível ver a colisão da matéria bariônica através do choque das partículas no tom rosa e a ausência de interação de um outro tipo de matéria que fica rondando o choque central – inclusive de porcentagem dominante e possivelmente um novo tipo de matéria fundamental. É sabida certas características da matéria escura - como a interação somente gravitacional, porém não de fato do que é feita.

• A segunda grande pergunta é: o que faz o universo acelerar?

Em 1998, as fundações da cosmologia foram abaladas através da pesquisa de 2 times independentes. Em 1988 Brian Schimdt e em 1994 Adam Riess iniciaram um estudo para mapear o universo. Ambos acabaram observando em torno de 50 supernovas - distantes – tipo Ia (anã branca sugando matéria de uma estrela na fase gigante vermelha ou outra anã branca de menor massa) com luz mais fraca do que o esperado, e a partir disso concluíram a expansão acelerada do universo.

Isto levou a então conhecida chaga da cosmologia: energia escura. Ela é capaz de provocar tal aceleração, de maneira que seja oposta à gravidade e compõe cerca de 70% da composição atual do universo. Foi visto que nos últimos 6 bilhões de anos o efeito de expansão ficou mais intenso, embora nunca tenha sido de fato detectada.

    Existe vida em outro lugar?

Nos últimos 10 anos essa pergunta tem ganhado cada vez mais repercussão com a descoberta desenfreada de novos exoplanetas através de várias técnicas de observação e missões de sondas para o meio extra solar. A busca por vida é de maneira genérica, qualquer fase evolutiva vale e até formas diferentes de compreensão para ela existir.

-

Em todos esses ramos, só há evolução graças aos novos enormes bancos de dados acumulados em vários observatórios terrestres e no espaço. Contudo, mesmo que mais dados signifique melhor investigação, quantidade inimaginável de dados pode significar ser impossível analisar humanamente com profundeza e cautela necessária. Então é aí que a inteligência artificial se faz imprescindível.

A exemplo, sabemos que há mais exoplanetas do que estrelas na nossa galáxia. A partir disso, é possível imaginar a dificuldade de analisar categoricamente dado por dado afim de encontrar condições adequadas para evoluir vida como conhecemos.

Em 2022, teremos o Observatório Vera C. Rubin localizado no Chile que produzirá 200 mil imagens do céu por ano. Tal quantidade exige o intermédio do aprendizado profundo e supervisionado de máquina. O resultado apresentado pelo computador através dessas técnicas apresenta certo grau de probabilidade, já que o sistema é probabilístico.

Dentro da busca de matéria escura, é imprescindível conseguir fazer simulações gigantescas que envolvam várias condições iniciais e várias partículas, de maneira que represente a escala do universo e como o fluxo está sendo desenvolvido. Temos como um parâmetro a simulação conhecida como Illustris TNG. Onde a evolução do gás cósmico está numa escala de tempo de 500 milhões de anos após o Big Bang. Na imagem a seguir, é possível visualizar a intensidade das ondas de choque do gás cósmico, em azul, rodeando colapsos de estruturas de matéria escura, em amarelo/branco. Pode ser interpretado como uma explosão sônica.

É possível realizar com ótima qualidade simulações assim somente para pequeno número de casos, uma vez que é necessário um tempo considerável para o computador fazer sua parte. Utilizando inteligência artificial, esse tempo pode e deverá ser otimizado.

Dentro de simulações, cientistas costumam fazer analogia entre a matéria escura e simulações neurais em larga escala para o universo. É feita conforme aplicação de dados para o aprendizado, a partir daí analisando padrões, a máquina cria suposições de existência de dados ainda não analisados. Por exemplo, é possível introduzir vários rostos de pessoas aleatórias para a máquina fazer o reconhecimento facial dentro de padrões faciais, que ela saberá utilizando estatísticas. A máquina então é capaz de criar rostos inexistentes baseando-se no que foi a ensinada /supervisionada.

Utilizando determinadas condições iniciais para o sistema, é possível fazer o mesmo para descobrir de qual forma a matéria escura foi inserida no início da evolução do universo. É entendido que a matéria escura tem influência na formação de galáxias... Desta forma, entender sua origem e composição cada vez mais faz-se necessário.

Exemplificamos também a classificação de galáxias a partir de sua morfologia. Novamente é dado um banco de dados com diferentes classificações e é perguntada à máquina para tal galáxia, seria ela espiral, elíptica ou irregular?

Outro segmento que o aprendizado de máquina é requisitado está na área de observacional, na limpeza de perturbações indesejadas em primeiro plano das imagens do céu. Há uma crise corrente na qualidade do "céu" devido não somente a poluição luminosa mas também pelo crescimento exponencial de satélites na órbita geodésica baixa. As imagens são poluídas pelo caminho que o satélite percorre. O trabalho da inteligência será produzir correções para esses traços deixados na imagem produzindo um céu mais limpo, embora não seja possível fazer uma correção 100%, pois haverá dados irrecuperáveis já que foram corrompidos.

Como sabemos que nem tudo na vida são flores, apesar do aprendizado de máquina trazer significantes avanços pra severas áreas de conhecimento, ele tem seus próprios problemas a serem corrigidos. Podemos citar o problema de viés/tara - bias problem. Considere a seguinte problemática:

Foi adicionado inúmeros animais para a máquina reconhecer, porém após o aprendizado, foi perguntado um novo tipo de peixe não reconhecido pela máquina e esta por sua vez respondeu indicando ser um leão. Ela nunca tinha o visto ou pouquíssimos exemplos foi o apresentado. Novamente fazendo analogias à reconhecimento facial, em 2018 foi cometido o erro de classificar rostos de pessoas negras como gorilas. A explicação seria não haver no treinamento do sistema da máquina número suficiente de fotos de pessoas negras.

Por fim, vemos que uma nova era deu início e os avanços da tecnologia e conhecimento do universo tendem a nos surpreender e nos mover rumo ao grande sonho de Stephen Hawking: a teoria de tudo.

                   REFERÊNCIAS:

1. Imagem 1: HUBBLE'S LAW AND EXPANDING UNIVERSE. Disponível em: https://www.pnas.org/content/112/11/3173. Acesso em: 10 de jun de 2021.

2. Imagem 2:ASTRONOMY PICTURE OF THE DAY. Disponível em: https://apod.nasa.gov/apod/ap060824.html. Acesso em: 10 de jun de 2021.

3. Imagem 3: ILLUSTRIS TNG COLLABORATION. Disponível em:https://phys.org/news/2018-02-astrophysicists-illustristng-advanced-universe-kind.html. Acesso em: 10 de jun de 2021.

4. Imagem 4: Disponível em: https://www.gresham.ac.uk/lectures-and-events/ai-universe. Acesso em: 20 de maio de 2021.

5. Imagem 5: Disponível em: https://www.gresham.ac.uk/lectures-and-events/ai-universe. Acesso em: 20 de maio de 2021.

6. Imagem 6: STARLINK SATELLITES IMAGED FROM CTIO. Disponível em: https://noirlab.edu/public/images/iotw1946a/. Acesso em: 25 de maio de 2021.

7. 100 ANOS DO GRANDE DEBATE. Disponível em: https://www.ufmg.br/espacodoconhecimento/100-anos-do-debate-que-mudou-a-visao-da-humanidade-sobre-o-universo-2/. Acesso em: 15 de maio de 2021.

8. O COMPUTADOR HUMANO QUE AJUDOU A DESVENDAR MISTÉRIOS DO UNIVERSO. Disponível em: https://www.bbc.com/portuguese/vert-fut-56650062#:~:text=Uma%20d%C3%A9cada%20depois%20que%20Leavitt,al%C3%A9m%20da%20nossa%20Via%20L%C3%A1ctea. Acesso em: 20 de maio de 2021.

9. A MULHER QUE DESCOBRIU COMO MEDIR O UNIVERSO. Disponível em: http://lilith.fisica.ufmg.br/~dsoares/ensino/1-07/leandra-leavitt.htm. Acesso em 30 de maio de 2021.

10. WRITTEN IN THE STARS. Disponível em: https://www.nobelprize.org/prizes/physics/2011/press-release/. Acesso em: 30 de maio de 2021.

11. SUPERNOVA TIPO IA. Disponível em: https://pt.wikipedia.org/wiki/Supernova_tipo_Ia. Acesso em: 3 de jun de 2021.