La respuesta a casi todo está en los datos. Desde hace décadas la ciencia viene acumulando conocimientos e información llegada desde el espacio, en base a millones de datos. Más recientemente, equipos de astrónomos intentan aplicar complejas formulaciones matemáticas para encontrar la traza que únicamente deja la inteligencia en esos cada vez mayores volúmenes de datos arribados desde las estrellas. El Big Data y el Data Science resultan fundamentales en una de las grandes búsquedas de nuestra especie.

La relación del Big Data y el Data Science con las ciencias cuyo cometido es mirar a las estrellas no es nueva. Como explicaramos en una entrada anterior de este blog, “voces de autoridad definen la alianza entre ciencia de los datos y Astronomía. El Big Data permite explorar al universo mediante el análisis de los datos generados por los instrumentos de observación, incluso sirve para abordar problemas de gran complejidad como los relacionados con la energía oscura. La actual coyuntura demanda expertos y especialistas en análisis de grandes volúmenes de datos, recordemos que la UNED conduce uno de los mejores programas al respecto.”

En efecto, la exploración del universo es una de las aplicaciones del análisis de datos que despierta un mayor interés por parte del público. En este sentido, investigación y exploración espacial representan un terreno de alianza entre industria y academia, cuyos lenguajes comunes pasan por Big Data, Data Science o inteligencia artificial, caracterizados por enfoques multidisciplinares y profesionales extraordinariamente cualificados.

Como también abordáramos en una entrada anterior de este blog, cuando hablamos del espacio y la búsqueda de inteligencia, “donde más se nota el peso estratégico del análisis de datos es en los proyectos de observación. Una de las promesas del Instituto SETI, que busca atraer el interés del público y la industria, es la variedad de aplicaciones terrestres que pueden resultar de sus soluciones para explorar el universo. Sus equipos científicos experimentaron una especie de cambio en el relato, desde hace poco tiempo, cuando pasaron a definir como puntos de datos a las lecturas que estudiaban en busca de una señal de origen inteligente.

Pero cierta modificación en el relato también ha acompañado a las más poderosas agencias espaciales del mundo, entre ellas a la NASA. El volumen de datos acumulados a partir de sus proyectos en ciencias de la Tierra y misiones robóticas a los entornos planetarios vecinos imponen una creciente demanda de científicos de datos con especial talento para idear nuevas soluciones de interpretación, visualización, etc.

Por supuesto, ya hemos hablado de la NASA y su relación con el análisis de datos en este blog. Desde cierto punto de vista, las misiones de la NASA consisten en recolectar y proyectar datos. Este flujo enorme de información es, literalmente, la fundamentación donde posteriormente se buscará el conocimiento científico último. De hecho, si vamos a revisar los diversos programas de doctorado en Astronomía, por ejemplo, existentes en las universidades, encontraremos que el Big Data ocupa una parte muy importante de los contenidos.

ANÁLISIS DE DATOS EN LA BÚSQUEDA DE VIDA EXTRATERRESTRE

Algunas teorizaciones vienen argumentando que la búsqueda de inteligencia extraterrestre es una cuestión estadística y obedece a un problema de enfoque. En el 2022, por ejemplo, el astrónomo James Davenport, de la Universidad de Washington, sorprendió con un artículo (alojado en arXiv) donde explicaba cómo se podía aplicar un modelo trigonométrico (consistente en utilizar elipses y triángulos) a millones de puntos de datos para intentar detectar lo que podrían ser una suerte de balizas interestelares, posiblemente reguladas según grandes fenómenos, como las supernovas.

Por supuesto, la premisa del profesor Davenport parte de lo denominado como “deseo de comunicarse” por los estudiosos en la materia. Es decir, que una posible civilización extraterrestre tecnológica desea ser encontrada y escuchada. Esto, naturalmente, es solo parte del problema, de hecho, es una parte muy pequeña, dado que entra en juego el propio avance tecnológico de esa civilización y que esté escuchando en dirección correcta, la nuestra, por ejemplo.

Lo anterior introduce en la búsqueda de inteligencia extraterrestre unas dosis muy grandes de azar, casualidad y eventualidad no lo suficientemente relevante en términos estadísticos. Pero, ¿y si suponemos por un momento que tal civilización enciende y direcciona sus dispositivos de escucha en momentos determinados, como durante erupciones cósmicas, supernovas, etc.?

Es decir, ¿por qué no suponer que una civilización en posesión de un aparato de ciencias tiene interés por lo mismo que nuestros astrónomos, como escuchar y observar los grandes eventos que ocurren en el universo? Esta es la gran conjetura del profesor Davenport, que cuando ocurre una supernova, si nosotros estamos observando, ellos también. Y ahí, en los grandes volúmenes de datos obtenidos durante esos especiales capítulos del universo, es donde debemos buscar, en espera de hallar una baliza interestelar. Y es también ahí donde el análisis de datos vuelve a entrar en acción, donde los científicos de datos brillan cuando sus herramientas les permiten plantear los interrogantes correctos.

Uno de los mejores ejemplos de lo anterior lo obtuvimos en 1987. El 23 de febrero de ese año llegaron a la Tierra los datos de SN 1987A, una supernova ocurrida en la Gran Nube de Magallanes, a 168.000 años luz de distancia; es decir, el destello ha estado en expansión durante esa impresionante escala de tiempo. Lo que el equipo de la Universidad de Washington y sus especialistas en Big Data y Data Science buscarían en los nudos de datos es un posible destello, similar al pulso de un faro espacial, sincronizado con el destello de la colosal explosión.

MACHINE LEARNING EN LA BÚSQUEDA DE VIDA EXTRATERRESTRE

Como ya sabemos, el análisis de datos viene utilizándose desde hace varios años en las ciencias del espacio y en la búsqueda de vida extraterrestre. Aplicaciones de las metodologías propias del Big Data y el Data Science, objeto de profundización en los programas superiores más avanzados, han despertado mucho interés en los últimos tiempos, como el machine learning.

A principios de 2023, un estudio publicado en Nature Astronomy, dirigido por Peter Ma, de la Universidad de Toronto, e investigadores del Instituto SETI, explicaron cómo renovaron profundamente el sistema de algoritmos de machine learning utilizados hasta ese momento en la búsqueda de inteligencia extraterrestre. Estos nuevos algoritmos atacaron matrices de datos de estrellas cercanas, arrojando ciertos resultados positivos en ocho puntos distintos, nudos que son realmente señales del espacio profundo.

El estudio trabajó sobre 150 TB de datos llegados desde una muestra de 820 estrellas cercanas. Lo interesante es que dicha muestra ya había sido explorada en el 2017 con técnicas “clásicas” y clasificada como vacía de señales interestelares, el machine learning demostró que no era así. En este momento amplían su trabajo sobre datos de, al menos, un millón de estrellas recogidos con el radiotelescopio MeerKAT.

Como en otros campos de la investigación científica, todavía no es posible concluir nada. Aunque podemos estar seguros de que el análisis de datos está abriendo una era totalmente nueva en la exploración del universo. Hoy cualquier equipo de astrónomos, astrofísicos e ingenieros del ámbito espacial sabe que el éxito de sus investigaciones y nuevos desarrollos pasa obligatoriamente por contar con profesionales en Big Data y Data Science con la mejor formación superior. Por supuesto, recordemos el exitoso programa puesto en marcha en España por la Universidad Nacional de Educación a Distancia - UNED.

Los datos, la respuesta suele estar ahí…

Experto, Especialista y Máster en Big Data y Data Science de la UNED:

CONVOCATORIA 2024 - MATRÍCULA ABIERTA