Het jaar 2025 staat in de geschiedenisboeken als een cruciaal keerpunt in de astronomische verkenning. Dit wordt gekenmerkt door de succesvolle implementatie van geavanceerde kunstmatige intelligentie (AI) die de enorme datastromen van hedendaagse hemelonderzoeken beheert en interpreteert. Deze technologische samensmelting zorgt voor een fundamentele verandering, waarbij ruwe observatiegegevens met ongekende nauwkeurigheid worden omgezet in gestructureerde, nieuwe wetenschappelijke inzichten.
Een belangrijke illustratie van deze capaciteit werd uiteengezet in een onderzoek dat verscheen in het gezaghebbende tijdschrift Nature Astronomy. Hierin stond de inzet van Google's Gemini large language model centraal. Onderzoekers gebruikten Gemini om uitgebreide archieven van de nachtelijke hemel te doorzoeken, afkomstig van grote observatieprojecten zoals Pan-STARRS, MeerLICHT en ATLAS. Het model toonde een opmerkelijke classificatieprecisie. De nauwkeurigheid bedroeg 94.1% voor Pan-STARRS-gegevens, 93.4% voor MeerLICHT-waarnemingen en 91.9% voor ATLAS-data. Dit resultaat benadrukt het immense potentieel van geavanceerde AI-kaders om de 'data-vloedgolf' die inherent is aan grootschalige astrofysische onderzoeken, effectief te verwerken.
Aanvullend onderzoek bevestigde dat algemene LLM's, zoals Gemini, kunnen functioneren als deskundige assistenten met slechts minimale instructies. Door gebruik te maken van slechts 15 voorbeeldafbeeldingen en tekstinstructies, bereikte het model een nauwkeurigheid van ongeveer 93% bij het classificeren van kortstondige astronomische gebeurtenissen, zoals supernovae. Deze toegankelijkheid wijst op een democratisering van complexe data-analyse. Hierdoor kunnen onderzoekers zonder diepgaande expertise in AI-programmering toch een zinvolle bijdrage leveren aan nieuwe ontdekkingen.
De integratie van machinale intelligentie in het wetenschappelijke proces was een hoofdthema tijdens de Internationale Workshop over AI + Astronomie, die in oktober 2025 in Hangzhou, China, plaatsvond. De gesprekken spitsten zich toe op de manier waarop grootschalige modellen ontdekkingen versnellen op het gebied van spectrale analyse, beeldvorming en interpretatie van tijd-domein gegevens. In gerelateerde inspanningen boekte het multi-institutionele SkAI Institute, opgericht in oktober 2024 met een subsidie van $20 miljoen, in juni 2025 vooruitgang met de ontwikkeling van gespecialiseerde AI-modellen. Deze modellen zijn ontworpen om multi-modale astrofysische data — beelden, spectra en tijdreeksen — op industriële schaal te verwerken. Dit belooft een revolutie in het astrofysische begrip, nog voordat de gegevens van onderzoeken zoals de Vera C. Rubin Observatory beschikbaar komen.
Dit nieuwe tijdperk werd verder onderstreept door de prestatie van middelbare scholier Matteo Paz in april 2025. Onder begeleiding van Davy Kirkpatrick bij Caltech ontwikkelde Paz een AI-algoritme dat met succes 1.5 miljoen voorheen ongeïdentificeerde hemellichamen catalogiseerde. Het model van Paz zeefde door onderbestudeerde gegevens van NASA's buiten gebruik gestelde NEOWISE-infraroodtelescoop. Het detecteerde zwakke infraroodfluctuaties van variabele objecten die over het hoofd waren gezien vanwege de enorme hoeveelheid data. Dit baanbrekende werk, dat resulteerde in een peer-reviewed publicatie in The Astronomical Journal, bevestigt dat de innovatieve toepassing van bestaande hulpmiddelen de capaciteit voor diepgaande ontdekkingen aanzienlijk vergroot.