Quand l’intelligence artificielle remplace les astronomes

L’œil de l’intelligence artificielle va-t-il remplacer celui de l’astronome ? © DR
Les machines vont-elles remplacer les astronomes ? Avec les progrès de l’informatique et la quantité sans cesse plus grande de données scientifiques à traiter, le recours à l’ « intelligence artificielle » se développe très vite. Au point que les découvertes pourraient ne plus rester un domaine réservé aux humains.

Les exoplanètes Kepler-80g et Kepler-90i, dont la découverte a été annoncée en décembre 2017, sont peut-être les premières d’une nouvelle catégorie. Non pas qu’elles auraient des caractéristiques radicalement différentes de 3000 planètes extrasolaires déjà connues. Simplement, elles ont été trouvées par une intelligence artificielle (IA). Autrement dit, un ordinateur doté d’un programme informatique qui le rend capable d’apprendre afin d’analyser des données brutes et de repérer celles indiquant la présence de planètes autour d’étoiles.

Et ce n’est qu’un début. Grâce au système d’apprentissage développé par Google, la machine peut passer en revue les 2000 trilliards d’orbites potentielles recensées par le télescope spatial Kepler de la Nasa. Avant, c’étaient les astronomes qui devaient les décrypter. Avec tout ce que cela comporte d’aléatoire : ils manquaient parfois les signaux indiquant la présence de planètes. La machine intelligente, elle, ne laisse rien au hasard.

Apprendre comme un enfant

À la différence d’un simple programme, l’intelligence artificielle se perfectionne au fur et à mesure de ses analyses. « Le programme informatique classique utilise des règles fixes imposées par le programmeur. Par exemple, des algorithmes sont développés pour identifier des planètes en se basant sur des règles très spécifiques : le programmeur décrit exactement à quoi ressemble une planète dans ses lignes de code », explique Christopher Shallue, ingénieur informatique à Google et chef du projet d’apprentissage machine mis à disposition pour les données de la mission Kepler.

« En revanche, poursuit-il, les systèmes d’apprentissage machine apprennent par eux-mêmes comment reconnaître une planète en examinant les données récoltées. L’IA conçue pour la mission Kepler sait définir seule la présence d’une planète, en se basant préalablement sur un panel de 15 000 signaux déjà traités par des astronomes. » Une intelligence artificielle, comme celle mise au point par Christopher Shallue, apprend donc seule à obtenir un résultat en copiant les méthodes adoptées par les scientifiques, à l’instar d’un enfant qui reproduit les gestes de ses parents.

Réseau neuronal artificiel

Pour évoluer, les machines ont un secret : une architecture qui ressemble au cerveau humain. « Depuis les années 2010, il y a un regain d’intérêt pour le développement de systèmes de neurones artificiels, révèle Chedy Raïssi, développeur informatique à l’INRIA (Institut national de recherche en informatique et en automatique) et au Nasa Frontier Development Lab. Un neurone, c’est une unité de calcul ; en entrée, il y a les données qui sont par la suite traitées à l’aide d’une fonction, puis le résultat en sortie est lui-même connecté à un autre neurone », détaille le chercheur. En d’autres termes, les chercheurs développent des intelligences artificielles capables de reproduire le fonctionnement d’un réseau neuronal simple comme ce qui est observé dans le vivant : c’est le biomimétisme.

Une machine peut apprendre à repérer sur le ciel les discrètes coquilles de gaz
que sont les nébuleuses planétaires (ici Abell 30). © Nasa/ESA/XMM-Newton

Et les domaines de l’astronomie dans lesquels des réseaux de neurones ont été développés sont multiples : prédiction de tempêtes solaires, détection de comètes à longue période, rovers autonomes pour les prochaines missions lunaires ou planétaires… En 2015, par exemple, Chedy Raïssi a conçu un système capable d’identifier des nébuleuses planétaires. « Regarder des images, c’est chronophage, explique-t-il. C’est pourquoi nous avons entraîné la machine à reconnaître des nébuleuses planétaires déjà cataloguées et à partir de là, elle arrive à distinguer les images avec ou sans nébuleuse. Ce système nous a permis d’obtenir plus d’une centaine de possibles nébuleuses ! »

Trouver comment dévier un astéroïde

Chedy Raïssi travaille aussi sur un système permettant de visualiser ce à quoi pourraient ressembler les astéroïdes, souvent trop petits et trop loin pour être observés. « Deux méthodes sont utilisées : la première est basée sur l’albédo de l’astéroïde, détaille le chercheur. Le système calcule la forme de l’objet grâce aux variations de l’albédo dues à sa période et son angle de rotation. Mais on peut aussi utiliser l’effet Dopler : on flashe alors l’astéroïde comme une voiture sur l’autoroute et on obtient une image radar ! » Et dans le cas où un de ces astéroïdes viendrait à croiser l’orbite de la Terre, un autre système d’apprentissage machine est mis au point pour déterminer la meilleure méthode pour le dévier.

Modélisation de l’astéroïde Massalia, avec à gauche la simulation de l’éclairage solaire. © DAMIT Project

Franck Marchis, astronome de l’Institut SETI, participe aussi à ce projet : « Cet algorithme nous permet de définir rapidement la meilleure solution pour éviter une collision avec l’astéroïde, entre l’explosion nucléaire, la déviation gravitationnelle ou l’impacteur, en fonction de tous les paramètres connus, décrit-il. Quand ça prendrait des jours et des jours de travail pour l’astronome, le résultat est connu en seulement quelques minutes ou quelques heures grâce à l’algorithme de deep learning ! »

Calculatrices mais pas théoriciennes

Le gain de temps offert par une intelligence artificielle joue en sa faveur. « Bien que l’IA ne peut que reproduire ce que l’humain sait faire, elle est néanmoins beaucoup plus rapide et peut aussi communiquer avec d’autres IA et mettre en commun leur apprentissage respectif, décrit Franck Marchis. En revanche, elle ne peut pas faire d’hypothèses conceptuelles comme celle du big bang pour expliquer les origines de notre Univers par exemple. »

L’astronome se veut clair sur ce point : les intelligences artificielles ne remplaceront pas, à terme, les astronomes. Elles se poseront plutôt comme de précieux assistants, à la manière des « calculatrices de Harvard », ces femmes qui effectuaient les calculs pour aider aux recherches d’Edward Charles Pickering à l’observatoire de l’université de Harvard à la fin du XIXe siècle, ou encore de ces « Figures de l’ombre » pour les missions spatiales de la Nasa au siècle dernier. À la différence près qu’exploiter une intelligence artificielle pour le bien de la recherche en astronomie ne pose, cette fois-ci, aucun problème éthique… en tout cas pour l’instant !

Recevez Ciel & Espace pour moins de 6€/mois

Et beaucoup d'autres avantages avec l'offre numérique.

Voir les offres

Nous avons sélectionné pour vous