El año 2025 ha marcado un momento crucial en la exploración astronómica, caracterizado por la integración exitosa de inteligencia artificial sofisticada para gestionar e interpretar los flujos masivos de datos procedentes de los sondeos celestes modernos. Esta convergencia tecnológica representa un cambio fundamental, transformando los datos de observación brutos en conocimientos científicos estructurados y novedosos con una precisión sin precedentes.
Una demostración clave de esta capacidad fue detallada en un estudio publicado en la revista *Nature Astronomy*, que presentó el despliegue del modelo de lenguaje grande Gemini de Google. Los investigadores utilizaron Gemini para examinar archivos extensos del cielo nocturno provenientes de proyectos de observación importantes, incluyendo Pan-STARRS, MeerLICHT y ATLAS. El modelo exhibió una precisión de clasificación notable, alcanzando el 94.1% de exactitud en los datos de Pan-STARRS, el 93.4% en las observaciones de MeerLICHT, y el 91.9% en los datos de ATLAS. Este rendimiento subraya el inmenso potencial de los marcos de IA avanzados para manejar la avalancha de datos inherente a los estudios astrofísicos a gran escala.
Investigaciones paralelas confirmaron, además, que los LLM de propósito general como Gemini pueden funcionar como asistentes expertos con una mínima instrucción. Al utilizar solamente 15 imágenes de ejemplo e instrucciones de texto, el modelo logró aproximadamente un 93% de precisión en la clasificación de eventos astronómicos transitorios, como las supernovas. Esta accesibilidad sugiere una democratización del análisis de datos complejo, permitiendo que investigadores sin una profunda experiencia en programación de IA contribuyan significativamente al descubrimiento.
La integración de la inteligencia de máquina en el proceso científico fue un tema central en el Taller Internacional sobre IA + Astronomía, que se celebró en Hangzhou, China, en octubre de 2025. Las discusiones se centraron en cómo los modelos a gran escala están acelerando los descubrimientos en el análisis espectral, la obtención de imágenes y la interpretación de datos en el dominio del tiempo. En esfuerzos relacionados, el Instituto SkAI multiinstitucional, establecido en octubre de 2024 con una subvención de $20 millones, avanzó su trabajo en junio de 2025 para diseñar modelos de IA especializados capaces de procesar datos astrofísicos multimodales —imágenes, espectros y series de tiempo— a una escala industrial. Esto promete una revolución en la comprensión astrofísica antes de la llegada de datos de sondeos como el Observatorio Vera C. Rubin.
Esta nueva era se vio reforzada por el logro del estudiante de secundaria Matteo Paz en abril de 2025. Bajo la tutoría de Davy Kirkpatrick en Caltech, Paz desarrolló un algoritmo de IA que catalogó con éxito 1.5 millones de objetos celestes previamente no identificados. El modelo de Paz examinó datos poco estudiados del telescopio infrarrojo NEOWISE retirado de la NASA, detectando débiles fluctuaciones infrarrojas de objetos variables que habían sido pasados por alto debido al gran volumen de información. Este trabajo pionero, que resultó en una publicación revisada por pares en *The Astronomical Journal*, confirma que la aplicación innovadora de las herramientas disponibles amplifica la capacidad de realizar descubrimientos profundos.