Como ensinar um computador a classificar galáxias?
Walter dos Santos Jr.
IAG
Classificar fenômenos, ou no nosso caso, objetos astronômicos, nos permite identificar características comuns entre eles e definir nomenclaturas para grupos e sub-grupos de objetos. Com isso, é possível até mesmo inferir, como foi o caso de classificação de galáxias (originalmente conhecida como diagrama de Hubble) relações temporais e causais entre os vários grupos de galáxias classificadas. No passado, classificações em imagens astronômicas eram feitas, mesmo já em placas fotográficas, a olho pelos astrônomos. Mas, recentemente, o volume de dados e imagens em Astronomia alcançou um nível tão grande que, na maior parte das vezes, é inviável classificar, nós mesmos, os objetos encontrados no Universo. Então, surge a idéia de treinar um computador para realizar essa tarefa maçante e "aparentemente" comum. Aproveitando técnicas desenvolvidas inicialmente em robótica, começamos a desenvolver métodos que, de um jeito ou de outro, tentam imitar nossa capacidade humana de encontrar padrões em objetos aparentemente distintos e, assim, classificá-los corretamente. Tais técnicas são conhecidas como 'aprendizagem de máquina' ou, em inglês, machine learning. No seminário, exploro e dou exemplos de algoritmos simples que tentam simular, matematicamente, um classificador humano para classificar galáxias, estrelas e quasares.