Un equipo internacional de científicos, dirigido por un investigador de la Universidad de Manchester, ha desarrollado un enfoque novedoso de IA (inteligencia artificial) para destilar la terminología técnica de la astronomía en un inglés sencillo y comprensible en su publicación reciente.
La nueva investigación es el resultado de la colaboración internacional RGZ EMU (Radio Galaxy Zoo EMU) y está cambiando el lenguaje de la radioastronomía de términos específicos, como FRI (Fanaroff-Riley Tipo 1), a términos en inglés simple como “reloj de arena” o ” rastros de la galaxia anfitriona”.
El artículo se publica en la revista Monthly Notices of the Royal Astronomical Society.
En astronomía, la terminología técnica se usa para describir ideas específicas de manera eficiente que son fácilmente comprensibles entre los astrónomos profesionales. Sin embargo, esta misma terminología también puede convertirse en una barrera para incluir a personas no expertas en la conversación. La colaboración RGZ EMU está construyendo un proyecto en la plataforma de ciencia ciudadana Zooniverse, que pide ayuda al público para describir y clasificar las galaxias fotografiadas a través de un radiotelescopio.
Los proyectos de astronomía modernos recopilan tantos datos que a menudo es imposible que los científicos los vean por sí mismos, y un análisis por computadora aún puede pasar por alto cosas interesantes que el ojo humano puede detectar fácilmente.
Micah Bowles, autor principal y científico de datos de RGZ EMU, dijo: “Usar IA para hacer que el lenguaje científico sea más accesible nos ayuda a compartir la ciencia con todos. Con los términos en inglés simple que derivamos, el público puede participar en la investigación astronómica moderna como nunca antes y experimente toda la ciencia increíble que se está haciendo en todo el mundo”.
Los radiotelescopios funcionan de manera muy similar a las antenas parabólicas, pero en lugar de captar señales de televisión, pueden usarse para captar la luz de radio generada por objetos astrofísicos muy energéticos, como los agujeros negros en otras galaxias. Durante muchas décadas, los astrónomos clasificaron estas “radiogalaxias” en diferentes tipos para ayudarlos a comprender los orígenes y la evolución del universo.
Recientemente, las mejoras dramáticas en los radiotelescopios de todo el mundo han revelado más y más de estas radiogalaxias, lo que no solo hace imposible que los astrónomos profesionales observen cada una de ellas individualmente y las clasifiquen, sino que también introducen nuevas variaciones que aún no han sido captadas por tipos de radiogalaxias existentes. En lugar de intentar inventar más y más terminología técnica nueva para los diferentes tipos de radiogalaxias, y capacitar a las personas para que las reconozcan, el equipo de RGZ EMU vio un camino diferente que permitiría a los científicos ciudadanos participar más plenamente en su proyecto de investigación.
El equipo de RGZ EMU primero pidió a los expertos que describieran una selección de radiogalaxias con sus términos técnicos y luego pidió a los no expertos que las describieran en un lenguaje sencillo. Utilizando un enfoque basado en IA único en su tipo que habían desarrollado, identificaron las descripciones en inglés simple que contenían la mayor parte de la información científica. Ahora cualquiera puede usar estas descripciones (“etiquetas”) para describir las radiogalaxias, de una manera que sea significativa para cualquier hablante de inglés, sin ningún tipo de capacitación especializada. Este trabajo no solo será crucial para el proyecto RGZ EMU, sino que con volúmenes cada vez mayores de datos en muchas áreas de la ciencia, este nuevo enfoque de IA podría encontrar uso en muchas más situaciones donde el lenguaje simplificado puede acelerar la investigación, la colaboración y la comunicación.
Dirigida desde Manchester, esta investigación fue realizada por investigadores del Reino Unido, China, Alemania, EE. UU., Países Bajos, Australia, México y Pakistán. Los datos, el código y los resultados están disponibles en línea.
Con información de Oxford Academic
