Sapete di cosa è fatta l’atmosfera terrestre? Probabilmente ricordate che è composta di ossigeno e, forse, azoto. E, con un piccolo aiuto di Google, si può facilmente trovare una risposta più accurata: 78% di azoto, 21% di ossigeno e 1% di argon. Tuttavia, quando si tratta della composizione delle esoatmosfere – le atmosfere dei pianeti al di fuori del nostro sistema solare – la risposta non è nota. È un peccato, perché le atmosfere possono indicare la natura dei pianeti e se possono ospitare la vita.
Poiché gli esopianeti sono così lontani, è estremamente difficile sondare la loro atmosfera. Gli studi suggeriscono che l’intelligenza artificiale potrebbe essere la nostra migliore scommessa per sfruttarli, ma solo se possiamo dimostrare che questi algoritmi pensano in modo affidabile e scientifico, piuttosto che ingannare il sistema. Ora, un nuovo articolo, pubblicato nel Astrophysical Journal, fornisce una visione confortante nella sua logica misteriosa.
La ricerca
Gli astronomi in genere sfruttano il metodo del transito per studiare gli esopianeti, che comporta la misurazione della caduta di luce di una stella quando un pianeta le passa davanti. Se c’è un’atmosfera sul pianeta, potrebbe anche assorbire una piccola quantità di luce. Osservando questo evento a diverse lunghezze d’onda, le impronte digitali delle molecole possono essere viste nella luce stellare assorbita, formando schemi riconoscibili in quello che chiamiamo spettro.
Un segnale tipico prodotto dall’atmosfera di un pianeta delle dimensioni di Giove riduce la luce delle stelle solo di ~0,01% se la stella è simile al Sole. I pianeti delle dimensioni della Terra producono segnali 10-100 volte più piccoli. È quasi come, da un aereo, si cercasse di vedere di che colore sono gli occhi di un gatto.
In futuro, il James Webb Space Telescope e l’Ariel Space Mission, entrambe sonde che indagheranno sugli esopianeti dalla loro orbita spaziale, aiuteranno fornendo spettri di alta qualità per migliaia di esoatmosfere.
Ma mentre gli scienziati sono entusiasti di questo obiettivo, studi recenti suggeriscono che potrebbe essere complicato. A causa della natura complessa delle atmosfere, l’analisi di un singolo pianeta in transito può richiedere giorni o addirittura settimane per essere completata.
Naturalmente, i ricercatori hanno iniziato a cercare strumenti alternativi. L’intelligenza artificiale è nota per la sua capacità di assimilare e apprendere da una grande quantità di dati e per le sue eccellenti prestazioni su diversi compiti una volta addestrati. Gli scienziati hanno quindi cercato di addestrare l’intelligenza artificiale a prevedere l’abbondanza di varie specie chimiche nell’atmosfera.
La ricerca attuale ha stabilito che le IA sono adatte a questo compito. Tuttavia, gli scienziati sono meticolosi e scettici e, per dimostrare che è così, vogliono capire come pensano le IA. Secondo la scienza, una teoria o uno strumento non può essere adottato se non viene compreso. Dopotutto, non vogliamo provare l’emozione di scoprire la vita su un esopianeta, solo per realizzare che è semplicemente un “fallimento” nell’intelligenza artificiale.
La cattiva notizia è che le IA sono pessime nello spiegare le proprie scoperte. Anche gli esperti di intelligenza artificiale hanno difficoltà a identificare ciò che fa sì che la rete fornisca una spiegazione particolare. Questo svantaggio spesso impedisce l’adozione di tecniche di intelligenza artificiale in astronomia e in altri campi scientifici.
I ricercatori hanno sviluppato un metodo che consente di dare uno sguardo al processo decisionale dell’IA. L’approccio è abbastanza intuitivo. Supponiamo che un’IA debba confermare che un’immagine contenga un gatto. Probabilmente lo farebbe identificando alcune caratteristiche, come la pelliccia o la forma del muso. Per capire a quali caratteristiche si riferisce e in quale ordine, hanno sfocato parti dell’immagine del gatto e hanno visto se l’IA mostrava ancora che si trattava di un gatto. Osservando come le previsioni dell’IA sull’abbondanza di molecole di esopianeti (ad esempio l’acqua nell’atmosfera) cambiano quando ogni regione veniva manomessa, gli autori hanno iniziato a costruire un “quadro” di come pensava l’IA, come quali regioni dello spettro sono stati utilizzati per determinare il livello dell’acqua nell’atmosfera.
Per la gioia degli investigatori, hanno scoperto che un’intelligenza artificiale ben addestrata si basa molto sui fenomeni fisici, proprio come farebbe un astronomo. Questa scoperta ha fornito il primo metodo per sbirciare nelle cosiddette “scatole nere AI“, consentendo loro di valutare ciò che l’intelligenza artificiale ha appreso. Con questi strumenti, i ricercatori ora possono non solo utilizzare le IA per accelerare la loro analisi delle atmosfere esotiche, ma possono anche verificare che la loro IA utilizzi le ben note leggi della natura.
Detto questo, è troppo presto per dire che comprendiamo appieno le IA. Il passo successivo è scoprire con precisione l’importanza di ogni concetto e come viene trasformato in decisioni. La prospettiva è entusiasmante per gli esperti di intelligenza artificiale, ma ancora di più per gli scienziati. L’incredibile potere di apprendimento dell’IA deriva dalla sua capacità di apprendere una “rappresentazione” o uno schema dai dati, una tecnica simile a come i fisici hanno scoperto le leggi della natura per comprendere meglio il nostro mondo.
