Per trentacinque anni Hubble ha osservato l’universo con la pazienza di un monaco benedettino. Milioni di immagini, miliardi di pixel, una quantità di informazione tale da trasformarsi facilmente in rumore. In mezzo a quel rumore, nascosto come polvere sotto un tappeto cosmico, c’era un numero imbarazzante di anomalie astrofisiche mai documentate. Più di ottocento. Nessuno le aveva viste davvero. Non perché fossero invisibili, ma perché l’occhio umano e le organizzazioni umane hanno limiti strutturali.
David O’Ryan e Pablo Gómez, due astronomi dell’Agenzia Spaziale Europea, hanno deciso di trattare l’archivio di Hubble non come un museo ma come una miniera. Non con la pala, ma con un modello di intelligenza artificiale chiamato AnomalyMatch. L’idea è quasi offensiva nella sua semplicità. Addestrare una rete neurale a scorrere quasi cento milioni di ritagli di immagini del Hubble Legacy Archive e a segnalare tutto ciò che non rientra nei pattern conosciuti. Non ciò che è bello. Non ciò che è già catalogato. Ma ciò che stona. Ciò che non torna. Ciò che fa alzare un sopracciglio anche a una macchina.
In due giorni e mezzo, AnomalyMatch ha fatto ciò che nessun team umano avrebbe potuto fare in anni di lavoro. Ha passato al setaccio l’intero archivio in modo sistematico, per la prima volta nella storia di Hubble. Il risultato è quasi imbarazzante per la nostra idea romantica di scienza fatta solo di intuizioni geniali. Circa 1.400 oggetti anomali individuati, la maggior parte dei quali legati a galassie in interazione o in fase di fusione. Fenomeni noti, certo, ma mai identificati in modo così massivo e coerente.
Tra le anomalie spiccano lenti gravitazionali che deformano la luce in archi e cerchi quasi perfetti, galassie medusa con tentacoli di gas strappati via dall’ambiente circostante, dischi protoplanetari osservati di taglio come lame cosmiche. Oggetti che nei manuali vengono spesso trattati come eccezioni pittoresche, ma che in realtà sono segnali fondamentali dei processi fisici che governano l’evoluzione dell’universo. E poi c’è il dettaglio più interessante, quello che fa brillare gli occhi anche al più cinico dei CTO. Diverse decine di oggetti non classificabili. Cose che non rientrano in nessuna categoria esistente.
Abbiamo passato decenni a perfezionare tassonomie, cataloghi, ontologie astronomiche. Poi arriva un algoritmo e ci dice, con educazione matematica, che l’universo non ha letto i nostri libri. Queste anomalie astrofisiche non sono solo curiosità da blog ESA. Sono promemoria epistemologici. Ogni volta che qualcosa sfugge alla classificazione, la scienza cresce. Ogni volta che tutto rientra perfettamente nelle caselle, probabilmente stiamo solo confermando i nostri bias.
Un archivio che per anni è stato considerato quasi esausto dal punto di vista delle grandi scoperte. Una narrativa comoda. Hubble è vecchio, si diceva. Il futuro è James Webb. E invece no. Il futuro, in questo caso, è l’uso intelligente del passato. L’archivio di Hubble si è rivelato una riserva di petrolio cognitivo, non perché mancassero i dati, ma perché mancava un motore capace di raffinarli.
Studiare lo spazio è difficile per un motivo molto semplice. Ce n’è troppo. È rumoroso. È caotico. I segnali interessanti sono spesso sommersi da variazioni banali, artefatti strumentali, oggetti ordinari. L’essere umano è eccellente nel riconoscere pattern complessi, ma pessimo nello scandagliare cento milioni di immagini senza perdere concentrazione, pazienza e sanità mentale. L’intelligenza artificiale fa l’opposto. Non si stanca. Non si annoia. Non cerca conferme emotive. Cerca deviazioni statistiche.
AnomalyMatch non scopre nel senso romantico del termine. Non guarda il cielo e non si emoziona. Segnala. Evidenzia. Prioritizza. Poi entra in gioco l’umano, con il suo giudizio, la sua esperienza e la sua capacità di dare senso fisico a ciò che la macchina ha solo etichettato come strano. È una divisione del lavoro che ricorda più una catena di montaggio cognitiva che il laboratorio di Galileo, ma funziona. Funziona terribilmente bene.
C’è un passaggio nelle dichiarazioni dell’ESA che merita attenzione. Gómez parla di massimizzare l’output scientifico. È una frase che suona manageriale, quasi fredda. Ma è esattamente il punto. La scienza moderna non è più limitata dalla capacità di osservare, ma dalla capacità di interpretare. L’intelligenza artificiale diventa quindi un acceleratore di ritorno sull’investimento scientifico. Hubble è costato miliardi. Ogni nuova anomalia astrofisica identificata oggi è valore estratto retroattivamente da una spesa già sostenuta.
Questo approccio ha implicazioni che vanno ben oltre Hubble. I prossimi grandi osservatori, da Euclid al Vera Rubin Observatory, produrranno dataset di dimensioni che rendono quelli attuali quasi quaint. Senza strumenti come AnomalyMatch, la maggior parte delle anomalie astrofisiche future rimarrà invisibile non perché troppo lontana, ma perché troppo sepolta nei dati. L’astronomia del ventunesimo secolo non è più una gara a chi guarda più lontano, ma a chi sa setacciare meglio.
C’è anche una lezione culturale, quasi aziendale. Le organizzazioni tendono a pensare che il valore risieda sempre nel nuovo. Nuovi strumenti, nuovi progetti, nuovi budget. Questo lavoro dimostra l’opposto. Il valore spesso è già lì, ma richiede un cambio di paradigma per essere liberato. Serve un’AI che non sia addestrata a confermare ciò che sappiamo, ma a mettere in crisi ciò che crediamo di sapere.
Qualcuno potrebbe obiettare che molte delle anomalie identificate sono fenomeni già noti. Vero. Ma è un’obiezione miope. La scala conta. La sistematicità conta. Sapere che esistono galassie medusa è una cosa. Avere centinaia di esempi omogenei selezionati automaticamente è un’altra. Significa poter fare statistica. Significa poter testare modelli. Significa trasformare l’anomalia da curiosità a strumento scientifico.
Il dettaglio più affascinante rimane comunque quello degli oggetti non classificabili. Sono pochi in termini percentuali, ma enormi in termini concettuali. Sono il margine dove la conoscenza smette di essere confortevole. Sono l’equivalente cosmico di un bug in produzione che nessuno riesce a riprodurre. E come ogni CTO sa, è lì che si nasconde l’informazione più preziosa.
In definitiva, questa storia non parla solo di astronomia. Parla di metodo. Parla di come l’intelligenza artificiale, usata con lucidità e non come slogan, possa amplificare la capacità umana di scoprire. Le anomalie astrofisiche scovate negli archivi di Hubble non sono un colpo di fortuna. Sono il risultato inevitabile di aver accettato che l’universo è troppo grande per essere compreso solo con gli occhi. Serve anche un algoritmo che non abbia paura di dire, con freddezza statistica, che qualcosa non torna. E spesso, è proprio lì che inizia la vera scienza.
ESA News: https://www.esa.int/Science_Exploration/Space_Science/1400_quirky_objects_found_in_Hubble_s_archive