Los océanos son grandes. El universo es aún más grande. Una aguja en un pajar no comienza a describir la dificultad de encontrar algo en el fondo marino, o debajo de la cubierta de hielo de una luna a 588 millones de kilómetros, orbitando a Júpiter. Afortunadamente, Ben Ayton y Eric Timmons no son hombres de problemas, sino de soluciones, y quieren que los robots encuentren lugares científicamente relevantes debajo del mar y alrededor del sol.
Al preguntarse qué características geológicas, anomalías de temperatura, firmas químicas o cualquier otra pista podrían estar asociadas con las cosas que están buscando, los expertos pueden identificar ubicaciones específicas, ya sea en la Tierra o en algún otro lugar en el espacio exterior. “Durante esta expedición, los geólogos están interesados en encontrar filtraciones de hidrocarburos y fluidos hidrotermales; en contextos espaciales, el objetivo es encontrar vida”, comparte Ben Ayton, estudiante de doctorado que se especializa en la exploración de entornos peligrosos y en la planificación de trayectorias bajo complejas restricciones. Buscar filtraciones frías en las aguas de Costa Rica es una buena práctica para Ben y Eric, ya que la vida en lugares como la luna de Júpiter, Europa; probablemente se agruparía alrededor de características al menos análogas a las filtraciones en la Tierra.
El trabajo de Ben y Eric consiste en tratar de dirigir a los robots a lugares de relevancia científica, o más exactamente, a enseñar a los robots a discernir a dónde ir para encontrar lo que están buscando. El algoritmo que están diseñando se beneficia de dos componentes complementarios: la explotación de conocimientos previos y la exploración de áreas desconocidas.
Explotación
El primer ángulo del algoritmo es la explotación del conocimiento. La información de diferentes fuentes se ha recopilado e insertado en un modelo que le informa al equipo sobre los lugares que son prometedores. Datos de sonar adquiridos con la ecosonda multihaz del Falkor, hipótesis de los geólogos a bordo, que son capaces de reconocer ciertas características como montículos o riscos que podrían correlacionarse con filtraciones, y abundantes conjuntos de estudios previos en el área, que apuntan a filtraciones observadas en el pasado . El algoritmo lo ha tomado todo para producir la ruta que SuBastian seguirá en sus inmersiones. La innovación es que el modelo es capaz de encontrar patrones en los datos y usarlos para sugerir nuevos lugares donde se puedan encontrar filtraciones.
La inmersión 203 de SuBastian fue la primera en la que se probaron las sugerencias de algoritmos. “No encontramos burbujas, solo teníamos cinco puntos intermedios y la probabilidad de encontrar filtraciones en esta gran región es bastante baja”, comparte Ben, “sin embargo, es alentador ver que las regiones seleccionadas por el algoritmo son paralelas al menos a las opiniones del geólogo sobre lugares razonables para explorar . No solo eso, sino que en uno de los puntos elegidos, efectivamente se encontró evidencia de filtración previa.
Luego llegó el momento de la inmersión 205. Se agregó más información al modelo, a partir de las inmersiones de SuBastian y las anomalías sonoras encontradas en el agua de mar con el sonar de Falkor. El modelo produjo diez áreas de interés. Es un juego de cifras, y las probabilidades estaban en contra de este optimista equipo de ingenieros. Efectivamente, su arduo trabajo dio frutos y los expertos encontraron el primer sitio de filtración activa de la expedición. El espectrómetro de masas de SuBastian se usó para identificar incluso las señales químicas más débiles en el agua, que pueden ser indicadores de fluidos de la tierra profunda o gases biológicamente relevantes que las formas de vida usan para sobrevivir, como el dióxido de carbono, el metano, el hidrógeno u el oxígeno disuelto. El buceo 206 tampoco decepcionó, ya que el algoritmo continuó indicando a SuBastian la dirección de filtraciones hidrotermales activas.
Explorar
Se han encontrado filtraciones, por lo que el algoritmo ha demostrado su valía y, como dijo Ben, la cantidad de información disponible para alimentar el modelo era sólida. Pero, ¿qué sucede cuando se envía a los robots a encontrar vida en lugares como la luna de Júpiter, Europa? “En términos de conjuntos de datos, no tenemos ninguno sobre Europa”, admite Ben, “el algoritmo funciona con la explotación de lo que sabemos, pero también funciona con la exploración de lo que no sabemos, para que pueda aprender”. En destinos como Europa, Ben está seguro de que el comportamiento de exploración brillará: “el algoritmo es lo suficientemente robusto como para compensar por el hecho de que tenemos un conocimiento débil del lugar”.
Por el momento, Ben y Eric están felices de ver que su algoritmo avanza, pero no hay tiempo para celebrar. Los geólogos a bordo están creando un mapa que ilustra los tipos de rocas que se pueden encontrar en cada región del fondo marino, por lo que los diseñadores de algoritmos están ansiosos por saber cómo los geólogos están incorporando esta información y actualizando sus modelos, para tratar simultáneamente de hacerlo con su tecnología. “Es emocionante lograr que la tecnología aprenda junto con estos científicos”, expresan.
Una cosa es segura, la naturaleza no les va a hacer las cosas fáciles. “Una cosa importante que notamos es que hemos estado operando de manera binaria y el mundo no es tan binario”, comparte Ben, mientras que el equipo evalúa lo que se puede aprender de la experiencia del día anterior. La naturaleza no es blanco y negro, y el algoritmo tendrá que dar discernir a través de los matices del cosmos en este juego de cifras sin fin.
