AI Merevolusi Klasifikasi Kosmos: 27 Juta Objek Langit Dipetakan oleh Jaringan Saraf

AI Membuka Era Baru dalam Pemetaan Alam Semesta

Selama berabad-abad, para astronom menatap langit malam untuk mengungkap misteri bintang, galaksi, dan jaringan kosmik luas yang mengikat semuanya. Kini, skala alam semesta yang begitu besar menghadirkan tantangan baru: bagaimana mengklasifikasikan dan memahami miliaran objek langit ketika metode tradisional nyaris tak mampu mengimbanginya? Dalam terobosan besar, tim ilmuwan dari Observatorium Yunnan di China mengembangkan model kecerdasan buatan (AI) yang telah mengklasifikasikan lebih dari 27 juta objek kosmik—bintang, galaksi, dan quasar—di bentangan langit yang luas. Pencapaian ini menandai momen penting dalam astronomi dan menjanjikan perubahan dalam cara kita menjelajahi serta memahami alam semesta.

Mengapa Klasifikasi Kosmos Begitu Menantang

Astronomi modern tengah mengalami ledakan data. Teleskop canggih dan survei langit, seperti Sloan Digital Sky Survey (SDSS), Kilo-Degree Survey (KiDS), dan misi Euclid milik Badan Antariksa Eropa, merekam gambar dan pengukuran miliaran objek. Setiap survei baru menambahkan terabita data, menyingkap galaksi yang berjarak miliaran tahun cahaya, supernova, serta struktur jaringan kosmik yang rumit.

Secara tradisional, para astronom mengandalkan spektroskopi—analisis cahaya dari suatu objek untuk mengetahui komposisi, jarak, dan jenisnya. Spektroskopi memberikan hasil yang presisi, tetapi lambat dan membutuhkan banyak sumber daya. Dengan volume data yang tersedia saat ini, manusia tidak mungkin lagi mengimbanginya menggunakan metode manual maupun semiotomatis. Akibatnya, para astronom semakin mengandalkan survei fotometrik, yang merekam gambar dalam berbagai warna (panjang gelombang), tetapi tidak memuat informasi sedetail spektrum. Meski lebih cepat, data fotometrik bisa menimbulkan ambiguitas: galaksi jauh, bintang, dan quasar sering tampak sebagai titik-titik kecil yang terang sehingga sulit dibedakan hanya berdasarkan bentuknya.

Batasan Klasifikasi oleh Manusia dan Metode Mesin Tradisional

Upaya mengotomatisasi klasifikasi mencakup algoritma pembelajaran mesin klasik—seperti pohon keputusan dan hutan acak—serta, belakangan ini, jaringan saraf pembelajaran mendalam. Metode-metode ini telah mencapai akurasi yang mengesankan, tetapi tantangan masih ada, terutama untuk objek redup atau jauh, maupun di wilayah yang tertutup debu kosmik. Sebuah studi dari Universitas La Serena di Chile menemukan bahwa model pembelajaran mesin dapat kesulitan di wilayah yang sulit seperti "zona penghindaran", tempat debu menghalangi sebagian besar cahaya tampak. Akibatnya, tingkat kesalahan menjadi tinggi kecuali model dilatih menggunakan data beragam dari berbagai panjang gelombang.

Cara Kerja Model AI China

Model AI baru yang dikembangkan tim Observatorium Yunnan merupakan kemajuan signifikan. Tidak seperti pendekatan sebelumnya yang hanya mengandalkan tampilan (morfologi) atau warna objek (distribusi energi spektral, atau SED), jaringan saraf ini memproses kedua jenis informasi tersebut secara bersamaan. Rancangan dengan dua masukan ini memungkinkan AI mengenali perbedaan halus antara bintang, galaksi, dan quasar yang mungkin terlewatkan.

Model ini dilatih menggunakan sumber yang telah dikonfirmasi secara spektroskopi dari rilis data ke-17 SDSS, yang menjadi standar emas dalam klasifikasi astronomi. Model tersebut kemudian diuji menggunakan gambar dari survei KiDS, dengan fokus pada objek yang lebih terang dari magnitudo r = 23 dan mencakup sekitar 1.350 derajat persegi langit. Hasilnya: lebih dari 27 juta objek diklasifikasikan dengan kecepatan dan akurasi yang mengesankan.

Validasi dan Akurasi di Berbagai Survei

Untuk memastikan keandalannya, tim tersebut memvalidasi model menggunakan data dari survei-survei besar lainnya. Saat diterapkan pada 3,4 juta sumber dari misi Gaia—yang sebagian besar merupakan bintang dengan gerak yang telah diketahui dengan baik—AI mengidentifikasi 99,7% di antaranya dengan benar sebagai bintang. Tingkat keberhasilan serupa dicapai dalam survei Galaxy And Mass Assembly (GAMA), dengan 99,7% galaksi dan quasar berhasil diklasifikasikan secara akurat. Dalam beberapa kasus, AI bahkan memperbaiki kesalahan sebelumnya dengan mengklasifikasikan ulang objek yang keliru diberi label dalam katalog lama.

Tingkat akurasi yang tinggi ini menunjukkan ketangguhan model dan potensinya untuk meningkatkan basis data astronomi yang ada, sehingga menjadi alat berharga bagi komunitas astronomi.

AI dan Persaingan Global Memetakan Alam Semesta

Terobosan dari China ini merupakan bagian dari tren yang lebih luas: para astronom di seluruh dunia berlomba mengembangkan perangkat AI yang mampu menangani banjir data dari teleskop generasi berikutnya. Misi Euclid milik Badan Antariksa Eropa, misalnya, telah memetakan 26 juta galaksi hanya di sebagian kecil wilayah survei yang direncanakan. Selama enam tahun ke depan, Euclid akan memotret lebih dari 1,5 miliar galaksi dan mengirimkan sekitar 100 gigabita data setiap hari. Demikian pula, Observatorium Vera Rubin yang akan segera beroperasi diperkirakan mendeteksi jutaan supernova baru dan peristiwa transien lainnya. Perangkat AI seperti Bright Transient Survey Bot (BTSbot) telah mengotomatisasi proses penemuan dan klasifikasi supernova dalam survei Zwicky Transient Facility.

Sains Warga dan AI: Kemitraan yang Ampuh

Mengingat besarnya tantangan ini, para astronom juga meminta bantuan masyarakat. Proyek seperti Galaxy Zoo dan "Galaxy Zoo: Euclid" yang baru mengundang sukarelawan dari seluruh dunia untuk membantu mengklasifikasikan bentuk galaksi. Para ilmuwan warga ini bekerja bersama algoritma AI—seperti ZooBot—yang menangani kasus-kasus sederhana dan meneruskan gambar yang lebih rumit kepada manusia. Kolaborasi ini tidak hanya mempercepat klasifikasi, tetapi juga membantu melatih dan menyempurnakan AI, menciptakan siklus penemuan yang terus berkembang.

Teleskop Luar Angkasa James Webb milik NASA dan misi Euclid sama-sama mengandalkan pendekatan gabungan ini. Ribuan sukarelawan dan AI canggih bekerja sama untuk menyusun katalog morfologi galaksi terbesar dan terperinci yang pernah dibuat.

Bagaimana AI Mengubah Astronomi

Dampak AI terhadap astronomi jauh melampaui kecepatan. Dengan mengklasifikasikan begitu banyak objek secara cepat dan akurat, AI memungkinkan para ilmuwan untuk:

• Menemukan objek langka atau tidak biasa, seperti galaksi cincin atau quasar jauh, yang mungkin terlewatkan.
• Melacak struktur dan evolusi galaksi sepanjang sejarah kosmik, sehingga memberi petunjuk tentang perubahan alam semesta selama miliaran tahun.
• Memetakan sebaran materi gelap dan energi gelap dengan menganalisis bentuk dan posisi galaksi serta dampak pelensaan gravitasi.
• Meningkatkan akurasi dan kelengkapan katalog astronomi, memperbaiki kesalahan sebelumnya dan mengisi kekosongan data.

Sebagai contoh, penemuan terbaru 30.000 galaksi cincin langka melalui kombinasi AI dan ilmuwan warga dalam proyek GALAXY CRUISE menghasilkan sampel yang cukup besar untuk analisis ilmiah yang bermakna. Temuan ini mengungkap wawasan baru tentang pembentukan struktur tak biasa tersebut, yang sering terjadi akibat tabrakan galaksi spiral.

Inovasi Teknis: Analisis Multimodal dan Tingkat Piksel

Kemajuan terbaru AI untuk astronomi mencakup arsitektur pembelajaran mendalam multimodal, yang menggabungkan data gambar dengan metadata tabular (seperti kecerlangan, warna, dan pergeseran merah) untuk meningkatkan akurasi. Sejumlah studi menunjukkan bahwa model-model ini mengungguli model yang hanya menggunakan satu jenis data, dengan presisi dan perolehan kembali yang lebih tinggi serta epoch pelatihan yang lebih sedikit. Beberapa perangkat, seperti AI Morpheus yang dikembangkan di UC Santa Cruz, bahkan menganalisis gambar piksel demi piksel sehingga memungkinkan klasifikasi morfologi secara terperinci dan identifikasi struktur kompleks di dalam galaksi.

Inovasi ini penting seiring semakin ambisiusnya survei astronomi. Misi Euclid, misalnya, bertujuan memetakan sebaran materi gelap dalam tiga dimensi dengan mengukur distorsi halus pada bentuk galaksi akibat pelensaan gravitasi—tugas yang mustahil dilakukan tanpa teknik AI dan pembelajaran mesin canggih.

Batasan dan Tantangan AI dalam Astronomi

Meski mengalami kemajuan, AI bukan solusi untuk segala hal. Akurasi setiap model sangat bergantung pada kualitas dan keragaman data pelatihannya. Model yang dilatih menggunakan satu survei mungkin tidak bekerja sebaik itu pada data dari instrumen atau wilayah langit yang berbeda, terutama di lingkungan yang menantang seperti zona penghindaran. Seperti disoroti penelitian terbaru, model pembelajaran mesin dapat kesulitan mengklasifikasikan objek di wilayah yang tertutup debu atau memiliki karakteristik tidak biasa, dan terkadang gagal mendeteksi atau mengidentifikasi dengan benar bagian yang cukup besar dari objek yang ada.

Selain itu, model AI dapat mewarisi bias dari data pelatihannya sehingga berpotensi mengabaikan fenomena langka atau tak terduga. Karena itu, keahlian manusia dan sains warga tetap penting, baik untuk memvalidasi hasil AI maupun menemukan hal-hal yang benar-benar baru.

Arah ke Depan: AI yang Lebih Cerdas dan Adaptif

Tim Observatorium Yunnan dan tim lainnya kini berupaya meningkatkan kemampuan model mereka dalam menangani objek yang lebih redup lagi serta beradaptasi dengan survei baru yang memiliki karakteristik berbeda. Upaya ini mencakup pelatihan dengan kumpulan data yang lebih beragam, penggabungan data dari berbagai panjang gelombang, serta pengembangan algoritma yang dapat menandai kasus yang meragukan atau tidak biasa untuk ditinjau manusia.

Seiring terus berkembangnya AI, kemitraannya dengan para astronom—baik profesional maupun amatir—akan menjadi kunci untuk mengungkap rahasia alam semesta.

Dampak yang Lebih Luas: Era Keemasan Baru Penemuan

Bangkitnya AI dalam astronomi bukan sekadar pencapaian teknis; ini menandai perubahan mendasar dalam cara sains dilakukan. Dengan mengotomatisasi pekerjaan klasifikasi yang membosankan, AI membebaskan para astronom untuk berfokus pada interpretasi, teori, dan pencarian hal-hal yang belum diketahui. AI juga membuka kesempatan penemuan bagi lebih banyak orang, memungkinkan siapa pun yang memiliki koneksi internet ikut berkontribusi dalam pemetaan kosmos.

Dengan misi seperti Euclid, James Webb, dan Observatorium Vera Rubin yang siap menghasilkan volume data yang belum pernah ada sebelumnya, perpaduan AI, pembelajaran mesin, dan sains warga membuka era keemasan baru bagi penemuan astronomi. Alam semesta begitu luas dan penuh misteri, tetapi dengan perangkat baru ini, kita lebih siap dari sebelumnya untuk menjelajahi kedalamannya.

Ringkasan

• Model AI dari China telah mengklasifikasikan lebih dari 27 juta bintang, galaksi, dan quasar, menandai kemajuan besar dalam analisis data astronomi.
• Model ini menggunakan fitur morfologi dan distribusi energi spektral untuk mencapai akurasi tinggi, yang telah divalidasi di berbagai survei.
• AI sangat penting untuk menangani data dalam jumlah besar dari survei langit modern seperti Euclid dan Observatorium Vera Rubin.
• Proyek sains warga, seperti Galaxy Zoo, bekerja bersama AI untuk mengklasifikasikan objek yang rumit atau ambigu, sehingga meningkatkan kecepatan dan akurasi.
• AI memungkinkan penemuan objek langka dan perbaikan kesalahan pada katalog lama, tetapi masih menghadapi tantangan di wilayah yang sulit dan dalam mendeteksi fenomena tidak biasa.
• Masa depan klasifikasi kosmik bergantung pada model AI yang lebih cerdas dan adaptif serta kolaborasi berkelanjutan antara mesin dan manusia.