Rok 2025 przeszedł do historii jako przełomowy moment w eksploracji kosmosu. Charakteryzował się on skutecznym wdrożeniem zaawansowanej sztucznej inteligencji, której zadaniem było zarządzanie i interpretowanie gigantycznych strumieni danych pochodzących z nowoczesnych przeglądów nieba. Ta technologiczna konwergencja stanowi fundamentalną zmianę paradygmatu, umożliwiając przekształcanie surowych danych obserwacyjnych w uporządkowane, nowatorskie odkrycia naukowe z niespotykaną dotąd precyzją.
Kluczowym dowodem na te możliwości było badanie szczegółowo opisane w czasopiśmie Nature Astronomy. Zaprezentowano w nim wykorzystanie dużego modelu językowego Gemini firmy Google. Naukowcy zastosowali Gemini do analizy obszernych archiwów nocnego nieba, zebranych w ramach głównych projektów obserwacyjnych, takich jak Pan-STARRS, MeerLICHT oraz ATLAS. Model wykazał się niezwykłą dokładnością klasyfikacji. Osiągnął precyzję na poziomie 94.1% w przypadku danych Pan-STARRS, 93.4% dla obserwacji MeerLICHT oraz 91.9% dla zbioru danych ATLAS. Ten wynik dobitnie podkreśla ogromny potencjał zaawansowanych ram sztucznej inteligencji w radzeniu sobie z zalewem danych, który jest nieodłącznym elementem wielkoskalowych badań astrofizycznych.
Co więcej, równoległe badania potwierdziły, że ogólne modele LLM, takie jak Gemini, mogą pełnić funkcję asystentów ekspertów przy minimalnym nakładzie instrukcji. Wystarczyło zaledwie 15 przykładowych obrazów i instrukcji tekstowych, aby model osiągnął około 93% dokładności w klasyfikowaniu przejściowych zdarzeń astronomicznych, do których zaliczają się supernowe. Ta łatwość dostępu sugeruje demokratyzację złożonej analizy danych. Umożliwia ona naukowcom, którzy nie posiadają głębokiej wiedzy z zakresu programowania AI, wniesienie znaczącego wkładu w proces odkrywania.
Integracja inteligencji maszynowej z procesem naukowym była głównym tematem Międzynarodowych Warsztatów AI + Astronomia, które odbyły się w Hangzhou w Chinach, w październiku 2025 roku. Dyskusje koncentrowały się na tym, w jaki sposób wielkoskalowe modele przyspieszają odkrycia w analizie widmowej, obrazowaniu oraz interpretacji danych czasowych. W ramach powiązanych działań, wieloinstytucjonalny Instytut SkAI, założony w październiku 2024 roku dzięki dotacji w wysokości 20 milionów dolarów, poczynił postępy w czerwcu 2025 roku. Instytut pracuje nad stworzeniem wyspecjalizowanych modeli AI zdolnych do przetwarzania multimodalnych danych astrofizycznych – obrazów, widm i szeregów czasowych – na skalę przemysłową. Zapowiada to rewolucję w rozumieniu astrofizyki, jeszcze przed napływem danych z takich przeglądów jak te z Obserwatorium Very C. Rubin.
Nową erę podkreśliło również osiągnięcie ucznia szkoły średniej, Matteo Paza, w kwietniu 2025 roku. Paz, pod kierunkiem Davy'ego Kirkpatricka z Caltech, opracował algorytm AI, który z powodzeniem skatalogował 1.5 miliona wcześniej niezidentyfikowanych obiektów niebieskich. Model Paza przesiewał niedostatecznie zbadane dane z wycofanego teleskopu podczerwieni NEOWISE należącego do NASA, wykrywając słabe fluktuacje podczerwieni pochodzące od zmiennych obiektów, które zostały przeoczone z powodu ogromnej ilości danych. Ta przełomowa praca, której rezultatem była recenzowana publikacja w The Astronomical Journal, potwierdza, że innowacyjne zastosowanie dostępnych narzędzi znacząco zwiększa potencjał do dokonywania doniosłych odkryć.