Como a cloud computing e a IA tem revolucionado a astronomia?

Por trás de cada ponto estrelado no céu há um equivalente massivo de dados ocupando algum data center aqui na Terra. Estamos em 2020 e o estudo dos corpos celestes já se beneficia de tecnologias emergentes como inteligência artificial e deep learning para acelerar descobertas no universo. Mas a astronomia veio de de um longo caminho desde que Galileu Galilei apontou seu telescópio para o céu, por volta de 1600.

Câmeras digitais com hiper-resolução, grandes telescópios instalados em geografias privilegiadas, e o avanço da computação em nuvem e a colaboração internacional que esta permite, criou novos precedentes para a astronomia. Mas também, trouxe outro grande desafio: a geração exponencial de dados.

Leia também: Os livros que ajudaram executivos a liderar durante a pandemia 

Para colocar as coisas em perspectiva, em 1998, os radiotelescópios capturavam 10 GB de dados, segundo informado no artigo “Big Universe, Big Data: Machine Learning and Image Analysis for Astronomy” e publicado na revista acadêmica IEEE Intelligent Systems. Não obstante em 2022, estima-se que serão capturados 90.000 GB de dados por cada noite de observação espacial. Para tornar este volume mais palpável às nossas vidas, isso equivale a aproximadamente 30.000 filmes em HD na Netflix. Um pouco mais adiante no futuro, o Large Synoptic Survey Telescope (LSST), telescópio em construção em Cerro Pachón, no Chile, será responsável por mapear quase a metade do céu por um período de 10 anos. Ao término desse período, estima-se que o telescópio terá mapeado cerca de 37 bilhões de estrelas e galáxias, gerando algo próximo de 100 Petabytes de dados. O acervo literário escrito pela humanidade, em todos os idiomas, possui cerca de 50 Petabytes, exatamente a metade.

“Antigamente, tínhamos um grande problema. Não tínhamos como adquirir o dado”, diz Sergio Sacani, doutor em Geociências pela Unicamp, durante evento realizado pela IBM nesta semana. “A astronomia depende muito de tecnologia e a medida que foi aumentando, criou-se um grande problema – a quantidade de dados, onde armazenar tudo isso? E a segunda grande dor, como analisar essa grande quantidade de dados. Quando o astrônomo observava 20 galáxias, já seria suficiente. Hoje, você consegue estudar milhares de galáxias”, exemplifica Sacani dando uma dimensão do desafio.

Leia também: Adoção de IA pode adicionar até 4,2% pontos ao PIB brasileiro até 2030

O Big Data das estrelas na nuvem

Disciplinas como Ciência de Dados, Inteligência Artificial e Machine Learning tem sido usadas por astrônomos na busca por padrões em meio a uma quantidade infinita de informações. Fabricio Lira, líder de Data&AI da IBM, reforça: “Sem algoritmos de IA, machine learning e deep learning é impossível organizar tantos dados”. Lira indica que, com a explosão da informação, a tecnologia precisa evoluir para acompanhar o ritmo. “A tecnologia traz possibilidades infinitas. Não tem como pensar em Big data sem escalabilidade de armazenamento em nuvem”, diz Lira ao endereçar as limitações de data centers locais. “Se a gente está gerando em plataforma on premise (local), o modelo não é elástico, não cresce sob a demanda”, explica.

Há na nuvem outra possibilidade intrínseca que avança o conhecimento científico, lembra o executivo ao falar da colaboração entre pares na área. “As interfaces de dados ganham potencial com a comunidade mundial. Essas coletas [de dados] não envolvem somente as observações de um telescópio, mas dados correlacionados que estão disponíveis pelo mundo. Subimos, então, um novo degrau que é a organização das informações. Sem os algoritmos de InteligênciaArtificial, Machine Learning, Deep Learning, seria impossível organizar esse volume. A tecnologia passa a escalar para ajudar o ser humano na produção de conhecimento”, acrescenta Lira. Ao explorar e correlacionar dados de diferentes fontes, cientistas podem, portanto, formular novas teorias e proposições em cima de modelos.

Virtualização e escala

O uso de máquinas virtuais na nuvem tem se tornado cada vez mais comum na astronomia, segundo o astrofísico Ricardo Ogando, do Observatório Nacional. “Você pode testar o seu programa de forma distribuída”, conta. “Na astronomia temos muito paralelos, uma análise de uma região não depende de outra, você espalha a análise em diferentes máquinas virtuais e analisa de forma bastante eficiente”, explica. Outro ganho, em sua visão, é que ao se fazer isso sob demanda, não é necessário também gastar com manutenção. “Você faz sua rede na nuvem, implementa e testa e quando precisar ir para produção, para fazer a sua análise, você pode buscar a sua infraestrutura privada”, esclarece.

Ogando também lembra da importância do que é conhecido como Ciência Cidadã, que consiste na participação de cidadãos na geração e análise de dados, e também da abertura do conhecimento científico. Como exemplo, ele cita o Projeto Sloan Digital Sky Survey (SDSS), uma colaboração internacional, que produziu imagens e análises de extensas regiões do céu. “Grande diferencial desse projeto foi disponibilizar de forma bastante acessível os dados. Toda comunidade podia usar, baixar e aplicar de maneiras mais críticas possíveis, de sistema solares a galáxias, todo tipo de ciência foi feita usando esse levantamento e foi um dos pioneiros no uso de IA”.

Com o avanço da supercomputação e com a computação quântica no horizonte, a expectativa é que novos precedentes na astronomia sejam destravados. Segundo Ogando, o uso de GPUs, aliado com IA, tem avançado o processamento do Big data e, consequentemente, contribuindo com descobertas.

Já Fabricio Lira, da IBM, lembra que a computação quântica traz um novo paradigma para o mercado. “ É praticamente impossível não impactar a astronomia, a gente sai de um modelo de processamento binário da informação, para um modelo totalmente distinto. Acredito que vai abrir uma janela totalmente nova, pois vai lidar com o processamento de dados de forma diferente. Com uso de algoritmos, eles vão resolver problemas ainda não solucionáveis”, aposta Lira.