Il 2025 si è affermato come una svolta cruciale nell'esplorazione astronomica, segnato dall'integrazione riuscita di intelligenze artificiali avanzate, essenziali per la gestione e l'interpretazione dei flussi massivi di dati generati dalle moderne campagne di rilevamento del cielo. Questa fusione tecnologica sta ridefinendo il panorama scientifico, trasformando i dati grezzi delle osservazioni in nuove e strutturate intuizioni scientifiche con una precisione mai vista prima.
Una dimostrazione lampante di questa nuova capacità è stata illustrata in uno studio pubblicato su Nature Astronomy, che ha documentato l'impiego del modello linguistico di grandi dimensioni (LLM) Gemini di Google. I ricercatori hanno utilizzato Gemini per analizzare meticolosamente archivi estesi del cielo notturno provenienti da importanti progetti di osservazione, tra cui Pan-STARRS, MeerLICHT e ATLAS. Il modello ha evidenziato una notevole accuratezza nella classificazione. Nello specifico, ha raggiunto il 94,1% di precisione sui dati Pan-STARRS, il 93,4% sulle osservazioni MeerLICHT e il 91,9% sui dati ATLAS. Tali risultati sottolineano l'immenso potenziale dei framework IA avanzati nel gestire l'enorme mole di dati tipica delle indagini astrofisiche su larga scala.
Ricerche parallele hanno inoltre confermato che gli LLM di uso generale, come Gemini, possono operare efficacemente come assistenti esperti anche con un minimo di istruzioni. Utilizzando solamente 15 immagini di esempio e istruzioni testuali, il modello è riuscito a classificare eventi astronomici transitori, come le supernove, con un'accuratezza approssimativa del 93%. Questa facilità di accesso suggerisce una vera e propria democratizzazione dell'analisi complessa dei dati, permettendo a scienziati che non possiedono una profonda esperienza nella programmazione di IA di contribuire significativamente alle scoperte.
L'integrazione dell'intelligenza artificiale nei processi scientifici è stata al centro del dibattito all'International Workshop on AI + Astronomy, tenutosi a Hangzhou, Cina, nell'ottobre 2025. Le discussioni si sono concentrate su come i modelli su larga scala stiano accelerando le scoperte nell'analisi spettrale, nell'imaging e nell'interpretazione dei dati nel dominio temporale. In iniziative correlate, lo SkAI Institute, un consorzio multi-istituzionale fondato nell'ottobre 2024 grazie a un finanziamento di 20 milioni di dollari, ha portato avanti il suo lavoro nel giugno 2025. L'obiettivo è ingegnerizzare modelli IA specializzati capaci di elaborare dati astrofisici multimodali – immagini, spettri e serie temporali – su scala industriale. Questo sforzo promette una rivoluzione nella comprensione astrofisica in vista dell'arrivo dei dati provenienti da osservatori futuri come il Vera C. Rubin Observatory.
Questa nuova era è stata ulteriormente evidenziata dal successo ottenuto nell'aprile 2025 dallo studente delle scuole superiori Matteo Paz. Sotto la guida di Davy Kirkpatrick al Caltech, Paz ha sviluppato un algoritmo di intelligenza artificiale che ha catalogato con successo 1,5 milioni di oggetti celesti precedentemente non identificati. Il modello di Paz ha setacciato dati poco studiati provenienti dal telescopio a infrarossi NEOWISE della NASA (ora ritirato), rilevando deboli fluttuazioni infrarosse da oggetti variabili che erano stati ignorati a causa dell'enorme volume di dati. Questo lavoro pionieristico, che ha portato a una pubblicazione sottoposta a revisione paritaria su The Astronomical Journal, conferma che l'applicazione innovativa degli strumenti disponibili amplifica notevolmente la capacità di realizzare scoperte profonde.