T.E.L: 5 min.
¿Pueden los mapas decirnos cómo son los territorios inexplorados?
Cuando decimos que la realidad es engañosa puede parecer que pensamos que el universo es inteligente, consciente e intencional y nos engaña por alguna retorcida razón. No es así, aunque lo parezca.
Ocurre que nuestros cerebros evolucionaron para que funcione bien para las actividades cotidianas de supervivencia en relación a los estímulos recibidos. Pero queremos usar esas capacidades para comprender qué es el universo.
Y al hacerlo, ¡kabum!, nos llevamos la gran sorpresa. Parece todo retorcido, por ejemplo, en el conocido efecto de lentes gravitacionales que es como un gran juego de espejos que amplifican y distorsionan la realidad.
Los astrónomos tratan de estudiar el cosmos como si éste fuera un guión de película, al estilo de "Nada es lo que parece" (Now you see me, Louis Leterrier, 2013).
Y para eso los investigadores de ciencia hacen sus propios trucos de magia para engañar al "Gran engañador" que no es otro que nuestro propio cerebro.
Como uno de los grandes misterios modernos de la astronomía es la energía y materia oscura y ambos conceptos están fuertemente relacionados con la gravedad que también causa las lentes gravitacionales, es necesario despejar las ilusiones provocadas por este psicodélico juego de imágenes.
La cosa es así: digamos que hay una galaxia muy, muy lejana y que entre nosotros y tal galaxia hay un objeto de gran masa. La potente gravedad de ese objeto intermedio hace que los rayos de luz de la galaxia lejana se desvíen o curven y al mismo tiempo se amplifiquen, como un lupa. Como resultado, aquí en la Tierra, los astrónomos pueden observar galaxias que por estar demasiado lejos son muy débiles para ser detectadas, pero que gracias a esta amplificación por el objeto masivo intermedio, sí pueden ser estudiadas, con el adicional de que las imágenes están distorsionadas.
Rachel Mandelbaum, doctora en física y profesora de la Universidad Carnegie Mellon, explica en un paper publicado en 2015 [1] los desafíos de lidiar con lentes gravitacionales. En definitiva, como en Matrix, todo es digital, y lo que manipulan los astrónomos son píxeles de imágenes. Si las imágenes tienen defectos, sea por imperfecciones de los detectores o efectos atmosféricos, los datos de la realidad serán varias veces engañosos.
Dicho esto, prepárese para lo que sigue: Se denomina lentes gravitacionales fuertes cuando el efecto es fácilmente perceptible, como en el caso de las imágenes del cúmulo Abell 2218.
En cambio, la posible existencia de materia oscura implicaría que todas las galaxias las vemos algo diferentes a como son, aunque sólo ligeramente, digamos 1%. A eso se le llama lentes gravitacionales débiles [2]. O sea, "Nada es lo que parece" se transforma de ficción a realidad...aparentemente.
Simulación y redes neuronales en astronomía
De allí la importancia de simular la realidad para conocerla. Creo que esto se podría entender con un ejemplo simple:
Supongamos que tenemos una cámara de fotos con una lente tipo ojo de pez, es decir, una lente que distorsiona la realidad en relación a cómo la podemos observar con nuestros ojos. Digamos que tenemos una foto tomada con esa cámara y queremos saber cómo luce en realidad ese paisaje.
Una forma de hacerlo sería tener muchas imágenes tomadas con esa cámara y también con otras cámaras con lentes normales de los mismos paisajes y compararlas. De esa manera aprenderíamos cómo transformar un tipo de imagen en otro.
Pues un grupo de astrónomos que incluye a Rachel Mandelbaum, liderados por Barnaby Rowe, vienen desarrollando un software "inteligente" para hacer algo parecido lo anterior: GalSim. El software es un simulador pero también analizador de imágenes reales.
GalSim usa una forma de "inteligencia artificial" (IA) llamada Redes generativas adversarias (GAN) en vez de las redes neuronales tradicionales. Una red neuronal tradicional detectaría la diferencia entre imágenes sólo si éstas fueron etiquetadas por personas e incluyen descripciones. Finalmente, esa forma de algoritmos aprendería a distinguir imágenes sin etiquetas.
En las GAN no se incluye en el proceso el etiquetado y descripción. Un generador de imágenes produce imágenes reales y falsas y la red finalmente aprende a distinguir entre unas y otras, según se indica en ScienceNode [3].
GalSim y otros proyectos datan de algunos años, pero el tema de la IA y redes neuronales aplicadas a la astronomía viene ganando uso y espacio en los medios. En febrero de este año se publicó un artículo al respecto en Nature [4].
En el artículo de Nature se lo explica de este modo: "En una GAN, dos redes neuronales se entrenan juntas con un mínimo de ayuda externa. Una red -la generadora- produce imágenes falsas; la otra -la discriminadora- trata de distinguir entre imágenes verdaderas y falsas. Aunque la primera nunca ve imágenes reales, la segunda al distinguir cada vez mejor entre unas y otras, le enseña a la primera a producir mejores imágenes falsas."
Creo que podría decirse que entonces las dos redes compiten entre sí como adversarias (de allí el nombre) y en una especie de juego de suma cero, lo que una gana, la otra lo pierde.
En la página del LSST hay un apartado para GalSim en el que se indica que es un software modular, de código abierto, para simular imágenes de estrellas y galaxias usando un rango de mecanismos que fueron desarrollados para apoyar el análisis de lentes gravitacionales débiles. Incluye la habilidad de simular galaxias realísticas (basadas en datos observados) y morfologías parametrizadas (perfiles Sersic, llamados así en honor al astrónomo argentino José Luis Sérsic).
Hay otras librerías o paquetes para objetivos similares, por ejemplo, PhoSim, creado específicamente para el LSST.
La astronomía en el laberinto de espejos
No puedo dejar de pensar que esta práctica moderna de los astrónomos parece un entrecruzamiento de Borges y Lewis Carroll, una mezcla de Alicia en el país de las maravillas (y su secuela) con aquel cuento muy breve de Borges sobre el mapa y el territorio (que curiosamente tendría un origen en otra obra de Carroll).
Me refiero al texto "Del rigor en la ciencia" que forma parte de El hacedor [5] y que dice así:
En aquel Imperio, el Arte de la Cartografía logró tal Perfección que el Mapa de una sola Provincia ocupaba toda una Ciudad, y el Mapa del Imperio, toda una Provincia. Con el tiempo, estos Mapas Desmesurados no satisficieron y los Colegios de Cartógrafos levantaron un Mapa del Imperio, que tenía el Tamaño del Imperio y coincidía puntualmente con él. Menos Adictas al Estudio de la Cartografía, las Generaciones Siguientes entendieron que ese dilatado Mapa era Inútil y no sin Impiedad lo entregaron a las Inclemencias del Sol y los Inviernos. En los Desiertos del Oeste perduran despedazadas Ruinas del Mapa, habitadas por Animales y por Mendigos; en todo el País no hay otra reliquia de las Disciplinas Geográficas.
Suárez Miranda: Viajes de varones prudentes, libro cuarto, cap. XLV, Lérida, 1658.
La referencia final es la de un autor falso, quizás para generar la idea de que el texto de ficción es real. Es decir, el texto es una simulación. Una simulación adentro de otra, fractal, porque al mismo tiempo el texto implica la simulación del mapa y el territorio, al punto de hacerse indistinguibles unos de otros.
En relación a las lentes gravitacionales, habría que agregar la distorsión del espejo y tendríamos finalmente un mapa distorsionado de la realidad que, por transición, podría generar una realidad distorsionada.
Cabe entonces esperar que esto no ocurra con los astrónomos y siempre recuerden que el mapa no es el territorio, las galaxias no son puntitos en una pantalla y las herramientas no sustituyen al trabajo.
Quizás la IA se ha transformado en el moderno Conejo Blanco que nos guía a aventuras para hallar al Agujero Negro. Hasta que alguien nos despierte.
https://youtu.be/vAN2WMONBqw
Fuentes y enlaces relacionados
[1] GalSim: The modular galaxy image simulation toolkit, Rowe et al, Astronomy and Computing
Volume 10, April 2015, Pages 121–150.
DOI: https://doi.org/10.1016/j.ascom.2015.02.002
arXiv:1407.7676 [astro-ph.IM]
https://arxiv.org/abs/1407.7676
[2] CFHTLens: What is Gravitational Lensing?
http://www.cfhtlens.org/public/what-gravitational-lensing
[3] Into the wild simulated yonder
https://sciencenode.org/feature/into-the-wild-simulated-yonder-.php
[4] Astronomers explore uses for AI-generated images
http://www.nature.com/news/astronomers-explore-uses-for-ai-generated-images-1.21398
[5] Wikipedia: Del rigor en la ciencia
https://es.wikipedia.org/wiki/Del_rigor_en_la_ciencia
GalSim en LSST
https://www.lsst.org/scientists/simulations/galsim
Sobre las imágenes
Imagen inicial: Extracto de simulación en GalSim de la Vía Láctea, Mandelbaum, et al.
Imagen de Abell 2218: Crédito: NASA/ESA
Imagen 3: De LSST: http://lsst-desc.org/FeaturedProjects/Phosim-v3.3
Video Crédito: picojeff's channel
No hay comentarios.:
Publicar un comentario