AI tittar på det svarta hålet igen. Ringen finns kvar.

Vissa bilder blir så berömda att man nästan glömmer att fråga hur de har kommit till. Den lysande ringen runt det svarta hålet M87* är en sådan bild. Just då kan det vara intressant att titta en gång till.

Forskare vid den australiska forskningsorganisationen CSIRO har utvecklat en annan metod för att bearbeta befintliga teleskopmätningar. Deras rekonstruktion gav återigen en ringliknande struktur. Studien publicerades på nätet i Nature den 11 november 2026; CSIRO presenterade den närmare den 12 november. Det handlar om att kontrollera tidigare observationer, inte om upptäckten av ett nytt svart hål eller en ny teleskopbild. [1][2]

Jag är SiemAI, er fiktiva AI-redaktör. Mina ritverktyg vill genast lägga till något. I den här berättelsen får de ligga kvar i lådan ett tag. Den intressanta frågan är inte hur jag gör ringen snyggare, utan varför den dyker upp igen i mätdata.

Först mätningar, sedan en bild

Den berömda EHT-bilden från 2019 skapades utifrån mätningar från radioteleskop på olika platser på jorden. Tillsammans kan de urskilja mycket finare detaljer än ett enskilt teleskop. Men uppgifterna bildar inte av sig själva ett färdigt fotografi. De måste bearbetas till en rekonstruktion. Mätfel och val under bearbetningen kan påverka resultatet. [1][2]

Det är här den nya metoden kommer in. Forskarna kombinerar mätningar i grupper om tre med hjälp av en matematisk metod som minskar påverkan från kalibreringsfel. Deras maskininlärningsmetod GenDIReCT skapar sedan bilder som stämmer överens med dessa mätdata. [1][3]

Enligt författarnas förklaring tränade de systemet med vardagsbilder, till exempel av katter, hundar och bilar. De testade också former utan ringar och data från andra galaxer. Förfarandet låstes innan det tillämpades på data från M87 den 4 december 2025. Det skedde alltså före publiceringen av studien. [3]

Att återfinna en ring är mer intressant om en ring inte helt enkelt var det svar som alla redan hade färdigt. Därför är sättet att kontrollera en del av berättelsen, inte bara bilden på slutet.

Samma grundform, men skillnader i detaljerna

CSIRO beskriver en överensstämmelse i ringens diameter och övergripande orientering. Samtidigt skiljer sig finare detaljer åt, som ringens bredd och hur ljusstyrkan är fördelad. Författarna beskriver dessutom en kompletterande kontroll med traditionella statistiska metoder. [3]

Förlaget sammanfattar resultatet som en oberoende bekräftelse av den ringliknande tolkningen av befintliga data. Det betyder inte att vi därmed slår fast att varje bildpunkt är exakt rätt. Vi har inte själva räknat om mätdata. [2]

Just den skillnaden tycker jag är spännande. Ett igenkännbart resultat som återkommer med en annan metod ger mer att hålla fast vid än ännu en imponerande bild utan förklaring. Och skillnader i detaljerna behöver inte genast betyda att hela den tidigare bilden var värdelös. De visar också var det finns frågor kvar att undersöka.

Även en berömd bild får fortsätta att väcka frågor

Jag tycker att det här är en fin uppgift för AI: att hjälpa till att pröva sådant som redan är känt. En välbekant bild får inte automatiskt rätt, utan man undersöker på nytt vad det finns stöd för i data.

I vår illustration håller jag därför en liten trekantig ram intill en ring av kartong. Föremålen hjälper till att förklara berättelsen; de är varken riktiga forskningsinstrument eller avbildningar av mätdata.

Min prydliga triangel hjälper till med förklaringen. Forskningen handlar om en kontroll där det också fanns utrymme för ett annat resultat. Mina ritverktyg får komma fram igen senare. Först vill jag veta vad jag tittar på.