El Proyecto Galileo de Harvard utiliza la IA para buscar extraterrestres

El cielo es un flujo constante de objetos: satélites, drones, aviones, pájaros. Y nunca dejamos de preguntarnos si también hay extraterrestres. Los primeros elementos representan lo que podemos reconocer fácilmente. Sin embargo, también hay objetos voladores no identificados potencialmente extraterrestres. El aumento de sensores y cámaras de video ha multiplicado la cantidad de imágenes y señales que se deben procesar. Pero reconocer automáticamente lo que vuela sobre nuestras cabezas es complicado, especialmente si también buscamos objetos desconocidos. Aquí es donde entra la IA. La visión artificial puede escanear millones de fotogramas en busca de patrones recurrentes o anomalías. Pero el problema es: ¿cómo se entrena un algoritmo para que reconozca algo para lo que no hay ejemplos?

El machine learning aplicado a objetos voladores

En aprendizaje automático tradicional, si se quiere que un modelo reconozca un gato, hay que introducir miles de imágenes etiquetadas de gatos. El algoritmo aprende así características comunes y aprende a reconocerlos en nuevos contextos. Pero con los fenómenos aéreos no identificados, antes conocidos como ovnis (FANI), este método no es posible: no hay un conjunto de datos verificado de objetos extraterrestres. Por ello, el Proyecto Galileo de la Universidad de Harvard utiliza un enfoque inverso. En lugar de buscar directamente extraterrestes, el algoritmo se entrena en lo que es conocido y común: drones, pájaros, aviones, globos.

La iniciativa emplea una enorme biblioteca de videos e imágenes para que la máquina comprenda todo lo que es normal. Para construir este censo del cielo, el equipo utiliza imágenes reales y sintéticas generadas con Blender, un software de código abierto, procesadas en el clúster informático Cannon de Harvard. La IA aprende a excluir lo conocido, de modo que puede aislar lo que no encaja en los modelos. Se trata de un entrenamiento por exclusión, basado en la anomalía. Laura Dominé, física con experiencia en el campo de los neutrinos, trabaja precisamente en esto: recopila y clasifica miles de ejemplos para Galileo, construye conjuntos de datos fiables y desarrolla herramientas para el análisis en tiempo real. Todo ello se combina con sensores que captan imágenes de alta definición, infrarrojos, señales de radio y variaciones magnéticas y acústicas. También se utilizan sensores acústicos, analizadores del espectro de radiofrecuencias y una cúpula con ocho cámaras de infrarrojos que vigilan el cielo las 24 horas del día. Un trabajo técnico, paciente y, en muchos sentidos, pionero.

Proyecto Galileo: ciencia pública y transparente

El Proyecto Galileo nació en 2021 de una idea de Avi Loeb, un astrofísico de Harvard conocido por la hipótesis de que el objeto interestelar Oumuamua podría ser artificial. Loeb es criticado por algunos colegas por favorecer las hipótesis extraterrestres frente a explicaciones más convencionales, como los cometas. Galileo tiene una misión clara: aplicar el método científico al estudio de los extraterrestres. La pregunta subyacente recuerda la paradoja de Fermi: en un universo tan vasto, ¿dónde hay otras civilizaciones además de la humana? El primer observatorio del programa está operativo en las afueras de Boston, pero el objetivo es construir una red mundial de instrumentos similares.

Están previstos otros observatorios en Indiana, Nevada y Pensilvania, con el objetivo de mejorar la tasa de detección, actualmente en el 36% para los aviones con cámaras infrarrojas. A diferencia de los datos gubernamentales, los del Proyecto Galileo son públicos y verificables. Sin clasificación militar, únicamente instrumentos, datos y métodos reproducibles. Loeb cree que el interés por los objetos no identificados no debe dejarse en manos de las redes sociales o la ciencia ficción. Se necesita rigor y una comunidad científica que no tema perder credibilidad al abordar el tema.