L'IA quotidiana per l'ordinamento delle immagini rafforza le prove della rilevazione di un buco nero, affermano i ricercatori del CSIRO

Un gruppo di ricerca australiano afferma che un tipo di intelligenza artificiale comunemente usato per classificare immagini di uso quotidiano — pensate a gatti, cani e altri oggetti familiari — ha contribuito a rafforzare la tesi secondo cui gli astronomi hanno davvero rilevato un buco nero.

Il lavoro proviene dall’agenzia scientifica nazionale australiana, la Commonwealth Scientific and Industrial Research Organisation (CSIRO), i cui ricercatori stanno esaminando dati collegati alla posizione segnalata di un buco nero. Sebbene la scoperta iniziale sia stata ottenuta tramite osservazioni astronomiche, il contributo del team del CSIRO si concentra sulla verifica: controllare se i segnali e gli schemi presenti nei dati siano coerenti con ciò che i ricercatori si aspetterebbero nel caso in cui in quel punto fosse effettivamente presente un buco nero.

Ciò che rende l’approccio degno di nota è la base di machine learning. Gli scienziati hanno utilizzato un modello di IA costruito su tecniche spesso addestrate con grandi raccolte di fotografie ordinarie — esattamente il tipo di set di immagini che ha reso la classificazione “gatto contro cane” una dimostrazione classica nella computer vision. Riadattando quel genere di modello all’analisi scientifica, il team sostiene che esso possa fungere da metodo indipendente per confermare risultati che altrimenti potrebbero poggiare su un insieme più ristretto di strumenti analitici.

In sostanza, i ricercatori hanno preso metodi progettati per riconoscere schemi visivi in foto di taglio “consumer” e li hanno applicati a informazioni astronomiche. Il loro obiettivo non era “vedere” un buco nero nel modo in cui una fotografia convenzionale cattura un paesaggio, bensì verificare se strutture sottili nei dati osservativi siano compatibili con l’interpretazione del buco nero. Secondo il team, i controlli basati sull’IA supportano la conclusione che l’oggetto rilevato sia, di fatto, un buco nero.

Il CSIRO ha messo in evidenza i ricercatori coinvolti: Ivy Wong, Nithyanandan Thyagarajan, Samuel Lai e Foivos Diakogiannis. Il loro lavoro sottolinea un cambiamento più ampio nella scienza, in cui tecniche di IA generaliste sviluppate per un ambito vengono sempre più spesso adattate per rispondere a domande in un altro — talvolta in aree lontane dalle immagini su internet, come la fisica di oggetti estremi nello spazio.

Il messaggio del team è diretto: sì, la rilevazione regge a questo ulteriore esame. E in un campo in cui la conferma indipendente è centrale — in particolare per oggetti tanto difficili da osservare direttamente quanto i buchi neri — nuovi metodi di validazione possono fare una differenza significativa.

Perché è importante

Le affermazioni sulla presenza di buchi neri hanno un peso elevato per l’astrofisica perché mettono alla prova le teorie della gravità e il comportamento della materia in condizioni estreme. Se strumenti di IA addestrati su immagini comuni possono aiutare in modo affidabile a validare scoperte di questo tipo, potrebbero diventare una verifica incrociata standard per future rilevazioni. Il prossimo elemento da osservare è se modelli simili riusciranno a confermare altri segnali astronomici difficili da verificare e se la comunità più ampia li adotterà come parte dell’analisi di routine.