Para encontrar mundos habitáveis num mar de dados espaciais, precisamos de computadores que possam pensar rápido.
Astrônomos descobriram os primeiros planetas fora do nosso sistema solar no início da década de 1990. Desde então, os cientistas já catalogaram 3.400 desses exoplanetas. Agora eles querem determinar quais deles podem ser lares para a vida extraterrestre. Mas algumas vezes os pesquisadores passam dias, ou mesmo semanas, analisando um único exoplaneta.
Novos instrumentos, como o Telescópio Espacial James Webb, que será lançado em 2018, logo estará enviando para nós tantas informações que os cientistas não serão capazes de processá-las manualmente. Este acúmulo de dados reduzirá a velocidade, ou mesmo impedirá novas descobertas. É por isso que os pesquisadores da Universidade College London criaram o RobERt, uma inteligência artificial que pode fazer a varredura de dados do espaço profundo, procurando por sinais de planetas habitáveis, muito mais rapidamente do que os humanos poderiam.
Veja como: Os planetas refletem uma pequena fração da luz das estrelas próximas deles. À medida que a luz passa através da atmosfera, seus vários gases, ou são absorvidos, ou deixam a luz passar sob certos comprimentos de onda. Os cientistas na Terra podem usar esses espectros para determinar do que é feita a atmosfera de um planeta e, por sua vez, se ele pode abrigar a vida extraterrestre, ou possivelmente exploradores humanos no futuro.
RobERt – abreviatura para Robotic Exoplanet Recognition – pode analisar o espectro de um exoplaneta em segundos. Sua inteligência base vem de uma rede neural de ‘crença-aprofundada’ (sigla DBN em inglês), que trabalha de forma similar a como pensamos que um cérebro humano o faz: Ela filtra os dados através de camadas múltiplas de ‘neurônios’ de silicone, cada uma refinando os resultados cada vez mais, até que o sistema chegue naquilo que ele pensa ser a resposta certa – no caso do RobERt, quais gases estão presentes num dado espectro.
Como os cérebros humanos, DBNs aprendem por tentativa e erro. Assim, para treinar RobERt, os pesquisadores da UCL o mostraram mais de 85.000 espectros simulados. No final, RobERt acertou a mistura de gases em 99,7% das vezes, mesmo quando os pesquisadores intencionalmente o desafiaram com dados incompletos ou com jogos de dados com ruídos, diz Ingo Waldmann, pesquisador líder da equipe UCL.
A análise de dados rápida do RobERt poderia também trazer os cientistas mais próximos da compreensão de como os sistemas solares – inclusive o nosso – se formaram.
“Estamos bem no começo de compreendermos a formação dos planetas”, diz Waldmann. “A única forma que podemos fazer isto é através da observação de muitos exemplos em outros sistemas solares.” RobERt adicionará às nossas listas de sistemas conhecidos, servindo como um tipo de astrônomo teórico num pacote – uma ferramenta que a equipe da UCL pode exportar para agências espaciais, a fim de compararem suas observações de outros planetas contra a experiência acruada de RobERt. “Então talvez, se tivermos sorte, encontraremos um pequeno planeta habitável”, diz Waldmann. “Teremos que ter sorte, mas isto acontecerá.”
n3m3