Le télescope de 4 mètres Víctor M. Blanco à Cerro Tololo, au Chili, a récemment terminé deux campagnes d'observation ce printemps et cet été au cours desquelles ses décisions de pointage ont été entièrement gérées par l'intelligence artificielle.
Ces modèles n'ont pas été programmés avec des règles explicites, mais ont plutôt appris des observations passées, prédisant des stratégies de pointage optimales et se perfectionnant par des comparaisons répétées avec des résultats réels.
Une fois formé, le système a été déployé pour superviser deux campagnes d'observation dans le monde réel, au cours desquelles il a contrôlé les mouvements du télescope et ajusté sa mise au point dynamiquement en fonction de l'évolution des conditions météorologiques et lumineuses. Les résultats ont indiqué que l'IA a effectué des performances comparables à celles des experts humains, une référence clé pour la phase initiale du projet.
La capacité de l'IA à analyser et à répondre rapidement aux nouvelles découvertes deviendra critique, permettant à d'autres télescopes de réagir en temps quasi réel aux découvertes faites par l'Observatoire Rubin. Contrairement aux opérateurs humains, qui sont limités par la vitesse de réponse et la charge cognitive, les systèmes pilotés par l'IA peuvent traiter et agir sur les données entrantes avec une plus grande efficacité et cohérence. Le succès du système d'IA sur le télescope Blanco suggère des applications potentielles au-delà de la simple planification. Les chercheurs visent à étendre ses capacités en incorporant de nouvelles stratégies que les astronomes humains pourraient négliger.
Il s'agit notamment d'explorer des angles d'observation non conventionnels, d'optimiser la collecte de données dans des conditions imprévisibles et même d'identifier des phénomènes célestes auparavant inaperçus. De telles avancées pourraient considérablement améliorer la production scientifique des enquêtes à grande échelle tout en réduisant le fardeau administratif des chercheurs. La technologie utilisée dans cette expérience fait partie d'efforts plus larges visant à intégrer l'apprentissage automatique dans les flux de travail astronomiques.
La collaboration entre des institutions telles que Fermilab, l'Université de Chicago et Northwestern souligne le caractère interdisciplinaire de la recherche astrophysique moderne, combinant l'expertise en informatique, la physique et l'astronomie d'observation. À l'avenir, l'équipe prévoit d'affiner davantage l'IA, dans le but de dépasser les performances humaines en introduisant des approches innovantes pour l'acquisition et l'analyse des données.
Ce changement représente un changement fondamental dans la façon dont la recherche astronomique est menée, se déplaçant vers des méthodes plus autonomes et évolutives.
★
Gardons l’information honnête.
ObjectiveNews est financé par ses lecteurs et sans publicité : nous vous montrons le biais au lieu de le cacher. Soutenez un journalisme indépendant pour 4 €/mois.
Devenir soutien
United Kingdom
