这个人工智能程序可以识别数十亿颗恒星

当科学家发现一颗新恒星或星系时，他们通常依靠从学术论文、目录和其他现有信息中收集的信息来对他们的发现进行分类。这可能是典型的，但效率并不高。这就是为什么伊利诺伊大学的研究人员创建了一个恒星-星系分类框架，利用神经网络来完成所有繁重的工作。

ConvNets 即所谓的“深度卷积神经网络”，是一种旨在像生物大脑一样“学习”的计算机程序，经常用于图像识别。据其创始人 Edward J. Kim 和 Robert J. Brunner 介绍，它直接从斯隆数字巡天和加拿大-法国-夏威夷望远镜透镜巡天获取数据，以编制出可与更传统的机器学习技术相媲美的准确分类。

这并不是神经网络首次应用于天文学研究，早在 1992 年，人工神经网络就首次应用于恒星-星系分类，但 Kim 和 Brunner 的最新成果更加先进，使研究人员能够通过光度数据对数十亿恒星和星系进行分类，而这在以前是人类无法实现的。

机器学习正在渗透到科学研究的多个方面，包括改进自动驾驶技术、面部识别等等。看看这类研究和突破如何影响分类，甚至未来的太空探索，将会很有趣。