人工智能的数据处理能力如何帮助揭开宇宙的神秘面纱

如今我们经常听到关于人工智能的消息——但它对天文学有什么作用呢？作用很大！

几乎每周都会发表新的研究论文，利用人工智能进行一些新的天文学研究：对星系进行分类、识别太阳耀斑、探索系外行星大气层等等。人工智能最大的优势在于它能够比人类更快地整理海量数据——这一技能尤其及时，因为新望远镜正在为天文学家生成越来越多的数据。

荷兰空间研究所天文学家和数据科学家 Daniela Huppenkothen 在《麻省理工技术评论》中表示：“我们可以使用 [AI] 来解决以前无法解决的问题，因为它们的计算成本太高。”

一架望远镜尤其让许多天文学家对人工智能议论纷纷：维拉·C·鲁宾天文台，计划于 2025 年 1 月完工，仅剩几个月时间。一旦投入使用，它将在长达十年的时间里每隔几天拍摄整个夜空，该项目名为“空间和时间遗产调查”（LSST），在此期间将生成 60 PB 的数据。

美国国家科学基金会主任 Sethuraman Panchanathan 在芝加哥大学的一份新闻稿中表示：“未来几年，维拉·C·鲁宾天文台和其他大型天文项目将收集大量数据，这些数据实在是太过庞大和丰富，无法用现有方法充分探索。有了可靠和值得信赖的人工智能，从学生到高级研究人员，每个人都将拥有令人兴奋的新方法来获得有价值的见解，从而获得原本可能隐藏在数据中的惊人发现。”

天文学家经常使用一种称为机器学习的特定版本的人工智能。尽管人工智能工具看起来很智能（它们确实被描述为学习！），但它们实际上只是为识别模式并在遇到更多数据时改进结果而构建的算法。对于 LSST，这些算法将提供帮助的一种方式是根据星系的形状对星系进行分类。

传统上，这项任务是由人类通过目视检查每张图像来完成的——但人类的眼睛能力有限，而且我们只有这么多的清醒时间来工作，而能完成所有工作的科学家却很少。机器学习不仅速度更快，而且这些算法可以比人类精确地定位更小的特征，比如星系边缘的微弱光线，并注意到更暗的星系。其他天文学家希望使用人工智能和 LSST 比以往更准确地测量星系的距离，希望能揭开暗物质的重大谜团。

另一个天文台将产生比 LSST 更多的数据：平方公里阵列天文台，这是一套遍布澳大利亚和南非的无线电天线和天线阵列。这项技术壮举结合了超过 100,000 个独立探测器的观测结果，每年产生高达 300 PB 的数据——几乎是 LSST 十年内产生的数据的四倍！天文学家计划使用人工智能来搜索这个数据集，以获取有关宇宙中最早恒星的更多信息。

人工智能也已经为一些重大发现做出了贡献。著名的第一张黑洞图像来自事件视界望远镜，得益于机器学习算法的修饰，图像变得更加清晰。寻找更小、更像地球的系外行星是一项艰巨的挑战，天文学家使用机器学习将行星信号与阻碍其探测的恒星信号区分开来。多年来，天文学家一直在使用机器学习对被称为超新星的爆炸恒星进行分类。

“机器学习正在彻底改变我的领域，”宾夕法尼亚州立大学天文学家乔尔·莱贾说。“每当我想到它，我都会惊叹不已，它让我们能够提出新的科学问题。”