下一代望远镜功能强大,将能够扫描数百万颗恒星,并生成大量的数据,而天文学家将负责利用这些数据进行分析。对于天文学家来说,这些数据太多了,因而并不能为数据筛选或建模带来益处,所以天文学家们转向打算利用人工智能对数据进行处理。
底线:过去,算法对天文学家们有所帮助,但随着最近人工智能的发展,尤其是图像识别能力的提高以及计算速度的提高、成本的下降,这些技术将会被更多的研究人员所使用。来自佛罗里达海湾大学的天文学家德里克 布西希说:“因为我们无法有效处理这些数据流,所以我们必须改变原来的操作模式。”
举个例子:智利建造的高达8.4米的镜望远镜(LSST)将在未来10年内,用一部汽车大小的数码相机,每隔几天就对整个南方的天空进行拍摄。总体来说,预计它将收集超过5000万千兆字节的原始数据。
创新点:有些新方法,“5到10年前还不存在,他们的出现或者提高了运算速度,或者提高了运算的精确度,”堪萨斯大学的研究生唐纳德?李-布朗说。对此进行粗略分析,结果显示,在过去的五年中,对机器学习进行研究的天文学论文数量增加了5倍。
天文学家是如何利用人工智能的:
1)用望远镜进行协调配合
洛斯阿拉莫斯国家实验室的汤姆?韦特兰德说,观测天空的大型望远镜将会对“短暂的天象事件”进行观测——它们是新信号或“夜空作怪”的来源。
其中一些事件——比如伽马射线暴,被Vestrand称为“黑洞诞生公告”——持续时间仅不到一分钟。在这么短的时间内,它们需要被探测到,被归类为真实或虚假事件(比如是一架飞过的飞机而已),然后用最合适的望远镜对准它们从而进一步进行调查。
有了像LSST这样的望远镜,每天晚上可能会检测到5万个短暂事件,同时,世界各地数百个望远镜也会协同进行工作。“人工速度已经赶不上机器,”韦特兰德说,“这些工作需要机器对接来完成”。
2)对数据进行分析
在两年的时间内,每隔30分钟,NASA新型凌日系外行星勘测卫星就会传回近半个天空的全幅照片,为天文学家们提供2000万颗恒星的信息以便观察。
“今后关于这些恒星的数据将比我们以前了解的总量还要多,”布西说到。接下来,人工智能可以对它进行分类,如果它们有一些相似之处,就把它们组合在一起,然后交给人类去“看看人工智能无法识别的1%”。
当时的想法是,人工智能可以对数据进行分类,将有相似之处的数据组合在一起,然后交由人类对“人工智能无法识别的1%”进行分析。李-布朗说:“利用神经网络工具可以获取恒星的温度信息或金属性质,这不仅比我们以前的方法更精确,而且速度也比之前快十亿倍。”机器学习现利用于对黑洞的研究,用于寻找外行星,并用于对宇宙及其参数进行建模。布泽西说,在处理数据方面,人工智能能够以始终如一的稳定性执行任务,而人类想要达到相当的水平是非常困难的。
3)用于挖掘数据
太空望远镜科学研究所的约书亚?皮克说:“所得到的大部分天文学数据都被丢弃了,但其中有些数据却蕴含着深层的物理信息,只是我们不知道怎么对其进行发掘而已。”Peek说,产生这些美丽的星云图像之后,其中的信息经常会被丢弃。他正在开发一种叫做卷积神经网络的机器学习工具,可以将图像分类为不同的对象,进而从关于弥散性等离子体和气体结构中提取特征信息——这是宇宙中大多数正常物质存在的状态。然后,天文学家们就可以研究宇宙中不同结构之间的异同。
一个重要的问题是:“为了发现仍不知如何描述的东西,你应该如何编写软件呢?”Vestrand问道。“对于不寻常事件,有一部分是常见的,但对于那些不常见的异常事件,应该怎么处理呢?”
而这将是真正存在新发现的地方,因为很明显,你并不知道它们是什么。”
为您推荐
人去世之后,QQ和微博等帐号将如何处理,这是一个很多人都关注的问题,其中也存在许多商机。英国一款应用LivesOn可以在Twitter帐号所有者去...