En la película "Interestelar,"
podemos ver de cerca
un agujero negro supermasivo.
Puesto frente a un fondo de gas brillante,
la enorme fuerza gravitatoria del agujero
negro curva la luz en forma de anillo.
Pero esto no es una fotografía de verdad,
sino una representación gráfica
hecha por ordenador,
una interpretación artística del aspecto
que podría tener un agujero negro.
Hace cien años Albert Einstein publicó
su teoría de la relatividad general.
Desde entonces los científicos han hallado
cantidad de pruebas que la respaldan.
Pero una de las cosas predichas
por esta teoría, los agujeros negros,
aún no se ha observado directamente.
Aunque tenemos una idea aproximada
del aspecto de un agujero negro
nunca antes hemos tomado
una fotografía de ninguno.
Quizá les sorprenda saber que eso
puede estar a punto de cambiar.
Puede que veamos la primera foto
de un agujero negro en los próximos años.
Conseguir esta primera fotografía
requerirá un equipo
internacional de científicos,
un telescopio del tamaño de la Tierra,
y un algoritmo que componga
la imagen final.
Aunque hoy no podré enseñarles
una imagen real de un agujero negro,
me gustaría mostrarles brevemente
el esfuerzo que supone conseguir
esa primera fotografía.
Mi nombre es Katie Bouman,
y soy estudiante de doctorado en el MIT.
Realizo investigación
en un laboratorio informático
haciendo que los ordenadores
visualicen imágenes y vídeos.
Pero aunque no soy astrónoma,
hoy me gustaría enseñarles
cómo he llegado a colaborar
con este emocionante proyecto.
Si esta noche se alejan
de las brillantes luces de la ciudad
puede que tengan la suerte
de contemplar la magnífica imagen
de la Galaxia de la Vía Láctea.
Y si pudieran ampliar
a través de millones de estrellas,
26.000 años luz hacia el corazón
de la espiral de la Vía Láctea,
llegaríamos al final a un conglomerado
de estrellas, justo en el centro.
Escudriñando a través del polvo
galáctico con telescopios infrarrojos,
los astrónomos han observado
estas estrellas durante más de 16 años.
Pero lo más espectacular
es lo que no pueden ver.
Estas estrellas parecen orbitar
en torno a un objeto invisible.
Monitorizando el movimiento
de estas estrellas,
los astrónomos han llegado a la conclusión
de que lo único tan pequeño
y pesado para causar ese movimiento
es un agujero negro supermasivo.
Un objeto tan denso que absorbe
todo lo que se aproxime demasiado,
incluida la luz.
Pero, ¿qué es lo que ocurre
si nos acercáramos aún más?
¿Es posible ver algo que es,
por definición, imposible de ver?
Resulta que si nos acercáramos
a longitudes de onda de radio
podríamos esperar
observar un anillo de luz
causado por la lente gravitacional
del plasma caliente
que rodea el agujero negro.
Es decir, el agujero negro
proyecta una sombra
sobre este fondo de brillante,
recortando una esfera oscura.
Este anillo brillante revela
el horizonte del agujero negro,
donde la fuerza gravitatoria
se vuelve tan inmensa
que ni siquiera la luz puede escapar.
Las ecuaciones de Einstein predicen
el tamaño y forma del anillo,
así que tomar una fotografía
no sólo sería una pasada,
nos ayudaría a confirmar
que estas ecuaciones se mantienen
en las condiciones extremas
alrededor del agujero negro.
Pero este agujero negro
está tan lejos de nosotros,
que desde la Tierra este anillo
parece increíblemente pequeño,
del tamaño de una naranja sobre
la superficie de la luna, para nosotros.
Eso hace que tomar la fotografía
sea extremadamente difícil.
¿Por qué?
Bueno, todo se resume
en una simple ecuación.
Debido a un fenómeno llamado difracción
existen límites fundamentales
sobre los objetos más pequeños
que somos capaces de observar.
Esta ecuación dice que para ver
cosas más y más pequeñas,
necesitamos hacer nuestros
telescopios más y más grandes.
Pero incluso con los telescopios
ópticos más potentes de la Tierra
ni siquiera nos acercamos
a la resolución necesaria
para tomar fotos de la superficie lunar.
Aquí les muestro una de las imágenes
con mayor resolución
obtenida de la luna desde la Tierra.
Contiene unos 13.000 píxeles,
y aún así cada píxel contendría
más de 1 millón y medio de naranjas.
Así que ¿cuán grande es
el telescopio que necesitamos
para poder ver una naranja en la luna,
y por extensión, nuestro agujero negro?
Si analizamos los datos,
se puede calcular que necesitaríamos
un telescopio del tamaño de la Tierra.
(Risas)
Si pudiéramos construir este
telescopio tamaño Tierra,
podríamos empezar distinguir
ese anillo de luz característico
que señala el horizonte del agujero negro.
Aunque esta imagen no tendría
todos los detalles de las imágenes
generadas por ordenador,
nos permitiría obtener
con seguridad un primer vistazo
del entorno inmediato del agujero negro.
Como pueden imaginar, construir
un telescopio de disco único
del tamaño de la Tierra es imposible.
Pero, citando a Mick Jagger,
"No siempre consigues lo que quieres,
pero si lo intentas, a veces ves
que consigues lo que necesitas."
Y conectando telescopios de todo el mundo,
una colaboración internacional
llamada el Event Horizon Telescope
está creando un telescopio computacional
del tamaño de la Tierra, capaz de resolver
una estructura del tamaño
de un horizonte de agujero negro.
Está previsto que la red de telescopios
tome la primera fotografía
de un agujero negro el año que viene.
Cada telescopio en la red global
colabora con los otros.
Conectados de manera precisa
mediante relojes atómicos,
equipos de investigadores desde cada sitio
congelan luz recogiendo
miles de terabytes de datos.
Estos datos se procesan
en un laboratorio aquí en Massachusetts.
¿Y cómo funciona esto?
¿Recuerdan que para ver ese agujero
negro en el centro de nuestra galaxia
necesitamos ese telescopio gigantesco,
del tamaño de la Tierra?
Por un instante, pretendamos
que fuera posible construir
un telescopio del tamaño de la Tierra.
Sería parecido a convertir la Tierra
en una bola de discoteca gigante.
Cada espejo individual capturaría luz
que luego podríamos combinar
para componer la imagen.
Pero digamos que retiramos
la mayoría de esos espejos
dejando sólo unos pocos.
Aún podríamos intentar
combinar esta información,
pero ahora hay muchos agujeros.
Los espejos que quedan serían
los lugares donde tenemos telescopios.
Es un número minúsculo de medidas
para conseguir una imagen.
Pero aunque sólo capturemos luz
desde unas pocas ubicaciones,
mientras la Tierra rota, podemos
observar otras nuevas medidas.
Es decir, al girar la bola de discoteca,
esos espejos cambian de posición
y podemos observar
diferentes partes de la imagen.
Los algoritmos de obtención
de imágenes que desarrollamos
rellenan los huecos de la bola
para poder reconstruir
la imagen subyacente del agujero negro.
Si tuviéramos telescopios
en todos los rincones del mundo
es decir, la bola de discoteca entera,
esto sería trivial.
Pero sólo vemos unas cuantas muestras
y por esa razón hay un número
infinito de imágenes posibles
que son perfectamente coherentes
con los datos de los telescopios.
Pero no todas las imágenes son iguales.
Algunas de esas imágenes se parecen
más a lo que consideramos una imagen
que otras.
Mi papel para ayudar a conseguir
esta primera imagen de un agujero negro
es diseñar algoritmos que encuentren
la imagen más razonable
que encaje con los datos
de los telescopios.
Igual que un artista forense
usa descripciones limitadas
para componer una imagen
aplicando sus conocimientos
sobre estructura facial,
los algoritmos de obtención
de imágenes que desarrollo
ayudan a usar los datos limitados
de los telescopios hasta conseguir
una imagen que se parezca
a cosas de nuestro universo.
Usando estos algoritmos,
podemos componer imágenes
a partir de estos datos escasos y sucios.
Aquí muestro un ejemplo de reconstrucción
realizada utilizando datos simulados,
cuando fingimos apuntar
nuestros telescopios
al agujero negro
en el centro de nuestra galaxia.
Aunque es sólo una simulación
reconstrucciones así nos dan esperanzas
de que pronto podremos tomar
una primera imagen fiable
de un agujero negro, y con ella
determinar el tamaño de su anillo.
Aunque me encantaría seguir
con los detalles de este algoritmo
por suerte para Uds.,
no dispongo de tiempo.
Aún así me gustaría
que se hiciesen una idea
de cómo determinamos
el aspecto de nuestro universo
y cómo usamos eso para reconstruir
y verificar nuestros resultados.
Ya que hay un número infinito
de imágenes posibles
que explican perfectamente
las medidas de los telescopios,
tenemos que seleccionar
entre ellas de alguna forma.
Lo hacemos evaluando las imágenes
basándonos en la probabilidad
de que sean la imagen del agujero negro,
y entonces elegimos la más probable.
¿Qué significa eso exactamente?
Digamos que estábamos
intentando construir un sistema
que nos diga las probabilidades
de que una imagen esté en Facebook.
Seguramente nos gustaría
que el sistema nos dijera
que es poco probable que alguien suba
la imagen llena de ruido de la izquierda,
y muy probable que publique
un selfie como éste de la derecha.
La imagen central está borrosa,
así que aunque fuese más probable
verla en Facebook que la imagen con ruido,
es menos probable que el selfie.
Pero cuando se trata
de imágenes del agujero negro,
encontramos un verdadero dilema:
nunca antes hemos visto uno.
Así que, ¿qué es una imagen
probable de un agujero negro?
¿Qué deberíamos suponer
sobre la estructura
de los agujeros negros?
Podríamos probar imágenes
de simulaciones que hemos hecho,
como el agujero negro de "Interestelar",
pero si hiciéramos esto,
podría causar serios problemas.
¿Y si las teorías de Einstein
no se sostuvieran?
Seguiríamos queriendo reconstruir
una imagen precisa del fenómeno.
Si forzamos las ecuaciones
de Einstein en nuestros algoritmos
simplemente acabaremos
viendo lo que esperamos ver.
Es decir, queremos estar
abiertos a la posibilidad
de que haya un elefante gigante
en medio de nuestra galaxia.
(Risas)
Diferentes tipos de imágenes
tienen características distintas.
Es fácil diferenciar imágenes
de simulaciones de agujeros negros
de imágenes hechas
un día cualquiera en la Tierra.
Necesitamos una manera
de explicar a nuestros algoritmos
qué aspecto tienen las imágenes
sin imponerles demasiadas
características de un tipo de imagen.
Una manera de resolver esto
es imponer características
de varios tipos de imágenes,
y ver cómo el tipo de imagen que suponemos
afecta a nuestras reconstrucciones.
Si todos los tipos de imágenes
producen imágenes similares,
podemos empezar a estar seguros
de que nuestras conjeturas
no están deformando tanto la imagen.
Es parecido a dar la misma descripción
a tres artistas de diferentes lugares.
Si todos producen un rostro similar,
podemos empezar a estar seguros
de que no están forzando sus propios
prejuicios culturales en los dibujos.
Una manera de intentar imponer
diferentes características visuales
es con fragmentos de imágenes existentes.
Tomamos una gran colección de imágenes,
y la descomponemos en pequeños parches.
Entonces podemos tratar cada parche
como la pieza de un puzzle.
Y utilizamos piezas de puzzle comunes
para componer una imagen
que encaje también con las medidas
de nuestros telescopios.
Diferentes tipos de imagen dan
distintos tipos de piezas de puzzle.
¿Qué ocurre cuando usamos los mismos datos
pero diferentes tipos de piezas de puzzle
para reconstruir la imagen?
Empecemos con piezas de puzzle
de simulaciones de agujeros negros.
Vale, esto parece razonable.
Éste es el aspecto que esperamos
de un agujero negro.
¿Pero lo hemos obtenido
porque sólo le hemos dado
piezas de simulaciones de agujeros negros?
Intentemos otro tipo de piezas de puzzle,
de objetos astronómicos
que no son agujeros negros.
Vale, tenemos una imagen similar.
¿Y con piezas de imágenes del día a día,
como las que Uds. toman
con su cámara personal?
Genial, vemos la misma imagen.
Cuando obtenemos la misma imagen
con todos los conjuntos diferentes
de piezas de puzzle, podemos
empezar a estar seguros
de que nuestras conjeturas
no están deformando tanto la imagen.
Otra cosa que podemos hacer es tomar
el mismo conjunto de piezas de puzzle,
como las derivadas de imágenes
normales del día a día,
y usarlas para recomponer muchos
tipos de imágenes diferentes.
Así que en nuestras simulaciones
pretendemos que un agujero negro
se parece a otros objetos astronómicos
que no son agujeros negros,
y a imágenes comunes
como el elefante en el centro
de nuestra galaxia.
Cuando los resultados de los algoritmos
en la parte inferior se parecen mucho
a la imagen verdadera
de la simulación, arriba,
entonces podemos empezar
a confiar más en nuestros algoritmos.
Y de verdad que quiero enfatizar aquí
que todas estas imágenes fueron creadas
uniendo pequeños fragmentos
de fotografías corrientes
como las que Uds. toman
con su cámara personal.
Así que una imagen de un agujero negro
que no hemos visto nunca
podría crearse uniendo imágenes
que vemos todo el tiempo
de personas, edificios,
árboles, gatos y perros.
Imaginar ideas como ésta
hará que sea posible
que obtengamos nuestras primeras
fotos de un agujero negro,
y con suerte que verifiquemos
esas famosas teorías
en las que los científicos
confían cada día.
Por supuesto, conseguir ideas
para generar tales imágenes
y que funcionen no sería posible
sin el fantástico equipo de investigadores
con el que tengo el honor de trabajar.
Aún me asombra que aunque empecé
este proyecto sin saber astrofísica,
lo que hemos logrado a través
de esta colaboración única
podría resultar en las primeras
imágenes de un agujero negro.
Pero grandes proyectos
como el Event Horizon Telescope
tienen éxito gracias a todo
el conocimiento interdisciplinar
que diferentes personas aportan.
Somos una mezcla de astrónomos,
físicos, matemáticos e ingenieros.
Esto es lo que hará posible dentro de poco
conseguir algo que una vez
se creyó imposible.
Me gustaría animaros a todos
a salir ahí fuera
y ayudar a expandir
los límites de la ciencia,
incluso si al principio os parece
tan misteriosa como un agujero negro.
Gracias.
(Aplausos)