Como a inteligência artificial está mudando a astronomia

Um telescópio moderno não entrega apenas fotografias bonitas: ele produz uma avalanche de números, pontos de luz e mudanças sutis no céu. A inteligência artificial (IA) tornou-se uma aliada para encontrar padrões nesse oceano de dados — mas ela não substitui a curiosidade, os telescópios nem a checagem cuidadosa dos cientistas.

Em poucas palavras

• A IA separa sinais promissores em volumes gigantescos de dados astronômicos.
• Ela pode ajudar a encontrar planetas, asteroides, galáxias e eventos que mudam rapidamente.
• Seus resultados precisam ser testados: um algoritmo pode errar, reproduzir vieses ou confundir ruído com descoberta.

O problema não é falta de céu, é excesso de informação

Na astronomia, muitos objetos deixam pistas discretas. Um planeta fora do Sistema Solar, por exemplo, pode causar uma queda minúscula e periódica no brilho de sua estrela quando passa à frente dela. Procurar esse padrão em milhares ou milhões de curvas de luz — gráficos que acompanham o brilho ao longo do tempo — seria uma tarefa quase interminável para uma equipe humana.

É aí que entra o aprendizado de máquina, um tipo de IA treinado com exemplos. Em vez de receber uma lista fixa de regras, o programa aprende a distinguir padrões conhecidos: sinais de planetas, defeitos do instrumento, eclipses entre estrelas ou simples variações naturais no brilho estelar. O objetivo não é “dar opinião” sobre o cosmos, mas priorizar o que merece atenção.

A NASA usou esse princípio com dados do telescópio espacial Kepler. O sistema ExoMiner ajudou a validar centenas de exoplanetas — planetas que orbitam outras estrelas — e sua versão mais nova, ExoMiner++, passou a analisar também dados da missão TESS. Ainda assim, um candidato indicado pelo algoritmo não vira planeta automaticamente: observações e análises independentes continuam necessárias.

Onde a IA já faz diferença

A utilidade da IA aparece sempre que há muitos dados repetitivos, sinais fracos ou fenômenos rápidos demais para esperar uma inspeção manual. Ela funciona como uma triagem extremamente veloz: aponta o que parece incomum, compara com catálogos anteriores e ajuda astrônomos a decidir para onde mirar outros telescópios.

Um caso impressionante veio do Hubble. Algoritmos analisaram mais de 30 mil imagens do telescópio em busca de rastros curvos deixados por asteroides. Com a participação de milhares de voluntários, o projeto identificou 1.031 asteroides antes desconhecidos. A combinação é reveladora: a máquina vasculha muito; pessoas ajudam a lidar com casos ambíguos e a conferir resultados.

A IA também é útil para classificar galáxias. A missão europeia Euclid observa quantidades gigantescas desses sistemas estelares para investigar como o Universo evoluiu e como matéria escura e energia escura influenciam sua estrutura. No projeto Euclid Galaxy Zoo, classificações feitas por voluntários ajudam a treinar o ZooBot; quando o algoritmo não está seguro, ele devolve a imagem para avaliação humana.

Um céu que muda em tempo real

Nem toda astronomia olha para objetos aparentemente imóveis. Estrelas explodem, asteroides se deslocam, buracos negros podem engolir matéria e algumas fontes mudam de brilho em poucas horas. Para não perder esses acontecimentos, observatórios precisam agir depressa.

O Vera C. Rubin Observatory, no Chile, começou a emitir alertas científicos em fevereiro de 2026. Quando estiver em operação plena, sua expectativa é gerar cerca de 7 milhões de alertas por noite sobre mudanças detectadas no céu. Sistemas chamados brokers usam aprendizado de máquina para filtrar, cruzar informações e classificar esses alertas, ajudando cada grupo científico a encontrar eventos relevantes antes que desapareçam.

Isso pode acelerar a descoberta, mas não elimina a incerteza. Uma classificação automática normalmente vem acompanhada de probabilidades, não de certezas. Um objeto pode parecer uma supernova — a explosão final de certas estrelas — e depois revelar outra natureza quando novos dados chegam.

Os limites: a IA não conhece o Universo por intuição

A IA aprende com dados anteriores. Se o conjunto de treinamento tiver poucos exemplos de objetos raros, imagens distorcidas ou classificações erradas, o algoritmo pode falhar justamente no caso mais interessante. Além disso, modelos muito complexos podem acertar uma resposta sem deixar claro quais características foram decisivas, o que dificulta verificar se a conclusão faz sentido físico.

Por isso, a astronomia mais confiável combina três elementos: instrumentos bem calibrados, modelos transparentes sempre que possível e pesquisadores dispostos a contestar o resultado da máquina. A IA é excelente em ampliar a visão, não em encerrar o debate.

A grande mudança é simples e profunda: ela permite que astrônomos gastem menos tempo procurando agulhas e mais tempo entendendo por que elas estão ali. Em um Universo que nunca para de produzir sinais, a IA pode ser o filtro que transforma excesso de dados em novas perguntas — e, às vezes, em descobertas reais.

Fontes e leitura adicional

• NASA — ExoMiner++ e a busca por exoplanetas nos dados do TESS
• NASA — IA e ciência do Hubble, incluindo a busca por asteroides
• Rubin Observatory — alertas e classificação com aprendizado de máquina
• Rubin Observatory — início dos alertas científicos em fevereiro de 2026
• ESA — Euclid Galaxy Zoo e o treinamento de IA para classificar galáxias
• NASA — descoberta de Kepler-90i com aprendizado de máquina