12 dicembre 2016

A caccia di pianeti con Google e Netflix

Vi siete mai chiesti come fa Google a suggerirci proprio quello che cerchiamo? E come fa Netflix a conoscere così bene i nostri gusti in fatto di film e serie Tv? Il segreto è un “semplice” algoritmo che ha rivoluzionato il web. Si tratta dell’apprendimento automatico (o machine learning in inglese) utilizzato anche per scovare frodi online e smistare la spam, oltre che per studiare sistematicamente ciò che digitiamo sui motori di ricerca. E se lo stesso algoritmo aiutasse gli scienziati anche a trovare pianeti alieni a centinaia di migliaia di anni luce da noi? Potrebbe essere possibile secondo un gruppo di ricercatori dell’Università di Toronto (Canada) che ha sviluppato un innovativo approccio per stabilire se un sistema planetario sia stabile o no, e quindi se ci siano degli oggetti definibili “pianeti”.

Nell’articolo pubblicato su The Astrophysical Journal dal titolo “A machine learns to predict the stability of tightly packed planetary systems” , Dan Tamayo espone un metodo alternativo a quelli adottati in passato per dare la caccia ai pianeti. L’apprendimento automatico è una forma di intelligenza artificiale (avete presente il film Matrix?) che permette ai computer di imparare senza dover essere riprogrammati di continuo. Più o meno è ciò che accade nel nostro cervello: dagli errori e dall’esperienza si impara. Magari nelle macchine avviene un processo meno romantico e filosofico, ma i risultati sono utili per l’uomo perché si può comandare ai computer di imparare e cambiare se esposti a nuovi dati in maniera efficiente. “Allenare” i computer all’apprendimento automatico richiede settimane di lavoro ma ne vale la pena perché è un metodo accurato e molto veloce per dare la caccia ai pianeti.

L’approccio di Tamayo è mille volte più veloce rispetto ai metodi tradizionali per predire la stabilità di un sistema planetario, perché spesso non sostenevano la quantità di dati da analizzare. La stabilità di un sistema planetario fornisce ai ricercatori informazioni utili sulla formazione del sistema stesso e sugli eventuali pianeti presenti, ma i modelli osservativi in passato non soddisfavano la ricerca: riusciamo a calcolare la grandezza di un pianeta, così come il periodo orbitale attorno alla stella madre, ma spesso è complicato conoscere la massa dell’oggetto o quanto ellittica sia la sua orbita (che in realtà sono le variabili più cruciali).

Per arrivare a questo algoritmo, Tamayo e il suo team hanno condotto una serie di workshop presso l'Università di Toronto concentrandosi su come l'apprendimento automatico potesse aiutare a risolvere problemi scientifici specifici. I ricercatori hanno generato un insieme di dati tramite migliaia di simulazioni a N corpi, che descrivono la crescita gravitazionale delle strutture in un Universo in espansione, partendo da date condizioni iniziali.

Gli algoritmi di apprendimento automatico sono presenti ovunque nella nostra vita quotidiana, da Uber (che può prevedere in modo accurato le abitudini di viaggio degli utenti che usano la app) a Expedia o altri siti di booking online (con l’algoritmo di machine learning si riesce anche a evitare di incappare in frodi), passando per il controllo del traffico tramite dei servizi di videosorveglianza. Un assaggio di intelligenza artificiale anche per Google Play Music, che utilizza simili algoritmi per interagire con gli utenti, riuscendo a suggerire generi, artisti e album più vicini alle preferenze di ciascuno. Per non parlare delle auto che si guidano da sole. Il tutto per rendere i computer sempre più vicini all’uomo: sono lontani i tempi in cui le macchine erano fredde e scoraggianti; nel futuro saranno sempre più intuitive e personali.

Cercare pianeti extrasolari con l’algoritmo di Google è quindi la nuova frontiera dell’astrofisica e dell’intelligenza artificiale. Nel frattempo, sediamoci comodi e guardiamoci la nostra serie preferita su Netflix!

 


© Istituto della Enciclopedia Italiana - Riproduzione riservata

0