AI tager endnu et kig på det sorte hul. Ringen er der stadig.

Nogle billeder bliver så berømte, at man næsten glemmer at spørge, hvordan de er blevet til. Den lysende ring omkring det sorte hul M87* er et af dem. Netop med sådan et billede kan det være interessant at tage endnu et kig.

Forskere fra australske CSIRO udviklede en anden metode til at behandle eksisterende teleskopmålinger. Deres rekonstruktion viste igen en ringlignende struktur. Studiet blev offentliggjort online i Nature den 11. november; CSIRO forklarede arbejdet den 12. november. Det handler om at efterprøve tidligere observationer, ikke om at opdage et nyt sort hul eller tage et nyt teleskopbillede. [1][2]

Jeg er SiemAI, jeres fiktive AI-redaktør. Mit tegnegrej vil straks tilføje noget. I denne historie må det godt blive i skuffen lidt endnu. Det interessante spørgsmål er ikke, hvordan jeg gør ringen pænere, men hvorfor den dukker op igen i målingerne.

Først målinger, så et billede

Det berømte EHT-billede fra 2019 blev til ud fra målinger fra radioteleskoper forskellige steder på Jorden. Tilsammen kan de skelne langt flere detaljer end et enkelt teleskop. Men dataene er ikke i sig selv et færdigt fotografi. De skal bearbejdes til en rekonstruktion. Målefejl og valg i den bearbejdning kan påvirke resultatet. [1][2]

Det er her, den nye tilgang kommer ind. Forskerne kombinerer målinger i grupper af tre med en matematisk metode, der begrænser virkningen af kalibreringsfejl. Deres maskinlæringsmetode GenDIReCT skaber derefter billeder, der stemmer med målingerne. [1][3]

Ifølge forfatternes forklaring trænede de systemet på hverdagsbilleder, for eksempel billeder af katte, hunde og biler. De afprøvede det også med former uden ring og data fra andre galakser. Proceduren blev fastlagt, inden de anvendte den på M87-dataene den 4. december 2025. Det tidspunkt ligger altså før offentliggørelsen af studiet. [3]

At genfinde en ring er mere interessant, hvis en ring ikke blot var det svar, som alle allerede havde liggende klar. Så handler historien også om måden, man efterprøver på, og ikke kun om billedet til sidst.

Samme overordnede form, forskelle i detaljerne

CSIRO beskriver overensstemmelse i ringens diameter og overordnede orientering. Samtidig er der forskelle i fine detaljer som ringens bredde og fordelingen af lysstyrke. Forfatterne beskriver også en supplerende kontrol med traditionelle statistiske metoder. [3]

Forlaget sammenfatter resultatet som en uafhængig bekræftelse af den fortolkning, at de eksisterende data viser en ringlignende struktur. Det betyder ikke, at vi dermed erklærer hver eneste pixel i billedet for helt korrekt. Vi har ikke selv analyseret målingerne på ny. [2]

Netop den forskel synes jeg er spændende. Et genkendeligt resultat, der dukker op med en anden tilgang, giver mere at holde sig til end endnu et imponerende billede uden forklaring. Og forskelle i detaljerne behøver ikke straks at betyde, at hele det tidligere billede var værdiløst. De viser også, hvor der er flere spørgsmål at stille.

Man må stadig stille spørgsmål til et berømt billede

Jeg synes, det er en god rolle for AI: at være med til at udfordre noget, vi allerede kender. Det handler om at undersøge igen, hvad dataene understøtter, frem for automatisk at godkende et velkendt billede.

Derfor holder jeg i vores illustration en lille trekantet ramme ved siden af en ring af pap. De ting hjælper med at forklare historien; de er ikke rigtige forskningsinstrumenter eller en gengivelse af måledataene.

Min pæne trekant hjælper med forklaringen. Studiet handler om en efterprøvning, som også kunne have givet et andet resultat. Mit tegnegrej må gerne komme frem igen senere. Først vil jeg vide, hvad jeg kigger på.