La creciente capacidad de los telescopios modernos ha disparado el volumen de información que reciben los astrónomos. En el observatorio Vera Rubin, en Chile, se capturan cada noche alrededor de 1,7 terabytes de datos, lo que genera decenas de miles de posibles eventos transitorios: señales breves que pueden corresponder a asteroides, cometas o explosiones cósmicas distantes. Para gestionar este alud de píxeles y convertirlo en hallazgos relevantes, los científicos entrenan sistemas de inteligencia artificial con catálogos verificados, como los de la misión Gaia, de modo que la IA actúe como un filtro inicial que detecta patrones, resalta anomalías y establece prioridades de análisis.
Esta colaboración entre eficiencia automática y criterio humano se extiende ya al telescopio espacial Roman, diseñado para procesar y organizar datos desde su puesta en marcha. Investigadores y aficionados integran herramientas de IA para mejorar imágenes, identificar objetos y analizar sus propias observaciones; incluso los telescopios y sondas trabajan con modelos ligeros capaces de tomar decisiones en tiempo real cuando la comunicación con la Tierra es limitada. Aun así, los expertos insisten en mantener supervisión directa para evitar falsos positivos y garantizar transparencia en los resultados.
Al mismo tiempo, se abre el debate sobre el papel del ser humano en la exploración profunda. Un sector de la comunidad científica defiende que las misiones robóticas pueden responder mejor a investigaciones específicas, abriendo la pregunta clave: ¿cuál es el propósito de enviar personas más allá de la órbita terrestre? Mientras tanto, proyectos como ASTRA, en el centro Goddard, exploran cómo dotar a las naves de autonomía responsable y explicable para maximizar el descubrimiento sin depender de un “caja negra” bajo presión energética y de comunicación.
