Un algoritmo di intelligenza artificiale ha analizzato decenni di immagini del telescopio spaziale Hubble, individuando oltre 1.300 anomalie cosmiche finora trascurate. La ricerca, pubblicata su Astronomy & Astrophysics, dimostra il ruolo crescente dell’IA nel valorizzare gli archivi scientifici storici.
L’intelligenza artificiale entra sempre più nel cuore della ricerca astronomica. Un team dell’Agenzia Spaziale Europeaha utilizzato uno strumento di machine learning chiamato AnomalyMatch per scandagliare l’intero archivio di immagini del Telescopio spaziale Hubble, operativo da oltre 35 anni.
Il risultato è significativo: più di 1.300 oggetti classificati come “anomalie”, di cui circa 800 mai descritti prima nella letteratura scientifica.
Secondo quanto comunicato dalla NASA, l’algoritmo ha analizzato quasi 100 milioni di frammenti d’immagine, ciascuno di pochi pixel, completando il lavoro in meno di tre giorni. Un’operazione che manualmente avrebbe richiesto anni di lavoro umano.
La maggior parte delle anomalie individuate riguarda fusioni galattiche, eventi estremamente violenti in cui due o più galassie collidono e si riorganizzano. L’IA ha inoltre identificato rare galassie medusa, caratterizzate da lunghi flussi di gas che ricordano tentacoli, oltre a dischi protoplanetari osservati di taglio e complessi fenomeni di lente gravitazionale. Alcuni oggetti, sottolineano i ricercatori, non rientrano in nessuna classificazione nota.
Lo studio, pubblicato sulla rivista scientifica Astronomy & Astrophysics, rappresenta la prima ricerca sistematica di anomalie astrofisiche condotta sull’intero archivio di Hubble. Per gli autori, l’approccio apre nuove prospettive anche in vista delle missioni future, come il James Webb Space Telescope.
Approfondimento – Cronologia e contesto
- 1990 – Lancio del telescopio spaziale Hubble (NASA/ESA).
https://www.nasa.gov/hubble - 2024–2025 – Crescente uso di sistemi di IA per l’analisi di big data astronomici (ESA, NASA).
https://www.esa.int - Gennaio 2026 – Pubblicazione dello studio su Astronomy & Astrophysics.
https://www.aanda.org
Consigli di approfondimento
- NASA – AI and Machine Learning in Astrophysics
https://science.nasa.gov - ESA – Artificial Intelligence for Space Science
https://www.esa.int/Science_Exploration
Abstract – Pro, rischi e implicazioni etiche
Pro: accelerazione della scoperta scientifica, valorizzazione di archivi storici, riduzione dei costi di analisi.
Rischi: opacità algoritmica, dipendenza eccessiva dall’automazione, possibili bias nei modelli.
Implicazioni future: l’IA diventerà uno strumento standard in astronomia, ma richiederà governance trasparente, validazione umana e responsabilità scientifica per evitare errori sistemici.
