La mayoría de las máquinas suelen llevar a cabo tareas repetitivas. Por ejemplo, en una cadena de montaje se limitan a seleccionar piezas y colocarlas en un lugar predeterminado. Los problemas surgen precisamente cuando se da una situación para las que no están preparadas. No obstante, en los últimos años han aparecido distintos sistemas de inteligencia artificial que les permiten ‘aprender’ por sí solas y adaptarse a escenarios imprevistos para los que no han sido programadas, lo que las hace mucho más eficientes.
Ahora, un equipo de investigadores coordinado por Dan Tamayo, un astrónomo del Centro de Ciencia Planetaria de la Universidad de Toronto, en Scarborough (Canadá), ha desarrollado uno de estos algoritmos con el que es posible identificar sistemas planetarios extrasolares estables mil veces más rápido que con las técnicas empleadas hasta fecha. Para ello, utiliza una herramienta que, en esencia, se inspira en las que utiliza Google para identificar y clasificar el correo no deseado o Netflix para recomendar a los usuarios series y películas.
Los métodos que se utilizan para determinar la existencia de exoplanetas permiten conocer su tamaño y periodo orbital, pero con el que han presentado Tamayo y sus colaboradores en The Astrophysical Journal Letters, basado en el software XGBoost, se pueden clasificar también por su estabilidad y estudiar lo elíptica que es su órbita o la masa máxima del citado mundo. «Es alentador saber que nuestros hallazgos han dado lugar a una herramienta que no solo es precisa sino que funciona mucho más rápido que las actuales», indica Tamayo.
