捕捉人類看不出的模式

數(shù)據(jù)越來(lái)越多，科學(xué)家試圖聚合它們。但在GPU大會(huì)上，羅伯特森說(shuō)，未來(lái)幾個(gè)大型天文望遠(yuǎn)鏡一起產(chǎn)生大量數(shù)據(jù)，聚合之后復(fù)雜到人類無(wú)法直接利用。而加州大學(xué)圣克魯斯分校的科學(xué)家試圖解決這個(gè)問(wèn)題。計(jì)算機(jī)科學(xué)系一名博士生創(chuàng)建的Morpheus深度學(xué)習(xí)框架，可以基于望遠(yuǎn)鏡的原始數(shù)據(jù)，逐像素地分類天體。

加州大學(xué)圣克魯茲分校的科學(xué)家們還用AI更好地研究星系的形成。在他們2019年初發(fā)表的一項(xiàng)研究中，科學(xué)家用計(jì)算機(jī)模擬的星系訓(xùn)練計(jì)算機(jī)，讓它學(xué)習(xí)星系演化的三個(gè)關(guān)鍵階段。后來(lái)計(jì)算機(jī)分析來(lái)自哈勃太空望遠(yuǎn)鏡的星系圖像，表現(xiàn)出奇好。

人工智能應(yīng)用于人臉識(shí)別，在海量數(shù)據(jù)訓(xùn)練后，可以根據(jù)一張照片，認(rèn)出這個(gè)人化妝和年老時(shí)候的樣子。而宇宙中很多圖像也可用同樣的方法來(lái)歸類。

“深度學(xué)習(xí)可以尋找模式，機(jī)器能看到非常復(fù)雜的模式，而人類看不到�！眳⑴c研究的科學(xué)家大衛(wèi)·庫(kù)說(shuō)，“我們希望進(jìn)一步測(cè)試這種方法。在概念驗(yàn)證研究中，機(jī)器似乎成功地在數(shù)據(jù)中找到了模擬中確定的星系演化的不同階段。”

幫天文學(xué)家找到另一個(gè)太陽(yáng)系

2018年底的一篇報(bào)道顯示，谷歌人工智能發(fā)力，從開普勒系外行星觀測(cè)數(shù)據(jù)庫(kù)里找到了新的行星。行星是很難尋找的。位于太空的開普勒衛(wèi)星觀察145000顆類似太陽(yáng)的恒星，從恒星亮度微弱變化來(lái)發(fā)現(xiàn)行星。記錄4年的數(shù)據(jù)中，包括大約35000個(gè)疑似的行星記錄。天文學(xué)家用機(jī)器結(jié)合人眼來(lái)識(shí)別，但最暗最弱的信號(hào)常被忽略。

在谷歌AI的幫助下，我們發(fā)現(xiàn)了開普勒90i和開普勒80g兩顆新行星。也讓開普勒90被確認(rèn)為第一個(gè)至少擁有8顆行星的外星系。

神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)處理了140億個(gè)數(shù)據(jù)點(diǎn)，之后成功篩選出了候選者。

NASA和谷歌說(shuō)，未來(lái)新技術(shù)將找到更多系外行星。NASA還表示不用擔(dān)心天文學(xué)家失業(yè)。NASA的科學(xué)家杰西·道特森解釋表示，數(shù)據(jù)提供給神經(jīng)網(wǎng)絡(luò)之前，需要天文學(xué)家進(jìn)行分類，以便人工智能可以從中學(xué)習(xí)分析出新的信息。

道特森說(shuō)：“AI以后絕對(duì)會(huì)和天文學(xué)家一起工作，成為必不可少的工具。”

當(dāng)然，機(jī)器學(xué)習(xí)也帶來(lái)“黑盒子”風(fēng)險(xiǎn)：我們得到了答案，但我們不知道機(jī)器為何如此判斷，或許答案是錯(cuò)的。機(jī)器也會(huì)犯錯(cuò)。天文學(xué)家將繼續(xù)訓(xùn)練和適應(yīng)它。

延伸閱讀

專家點(diǎn)評(píng)

深度學(xué)習(xí)還不具備“物理直覺(jué)”

確實(shí)，現(xiàn)在人工智能已經(jīng)深入到了天文天體物理學(xué)的各個(gè)分支領(lǐng)域。目前，美國(guó)勞倫茲伯克利國(guó)家實(shí)驗(yàn)室利用深度學(xué)習(xí)，能夠快速根據(jù)宇宙三維密度分布，判斷暗物質(zhì)、暗能量等宇宙學(xué)基本常數(shù)，他們發(fā)現(xiàn)應(yīng)用人工智能之后，統(tǒng)計(jì)量誤差比先前應(yīng)用傳統(tǒng)統(tǒng)計(jì)學(xué)辦法小不少。此外，我們也利用深度學(xué)習(xí)在極低信噪比的光譜中尋找宇宙早期的氫、碳元素，發(fā)現(xiàn)比傳統(tǒng)方法也要好用。

同時(shí)，天文學(xué)家們也在應(yīng)用深度學(xué)習(xí)，幫助我們判斷天體的三維位置、遠(yuǎn)近，進(jìn)而勾勒出三維空間的大尺度結(jié)構(gòu)。人們發(fā)現(xiàn)深度學(xué)習(xí)在對(duì)數(shù)據(jù)信息的挖掘方面，可能強(qiáng)于我們之前所用的傳統(tǒng)方法。人工智能也被谷歌公司應(yīng)用到探測(cè)系外行星的領(lǐng)域，并成功探測(cè)到了幾個(gè)系外行星……可以說(shuō)，人工智能如今在天體物理的前沿領(lǐng)域被廣泛應(yīng)用。

但從物理學(xué)家的角度看，基于深度學(xué)習(xí)的人工智能也許也有其局限性。這種局限性在于它只能基于數(shù)據(jù)、在已經(jīng)被定義得非常明確的特定領(lǐng)域內(nèi)發(fā)揮作用。只能在物理學(xué)家的指導(dǎo)下，把統(tǒng)計(jì)量的誤差棒做得更小，估計(jì)某個(gè)量更精準(zhǔn)，而目前尚無(wú)法指導(dǎo)我們發(fā)現(xiàn)數(shù)據(jù)背后的新物理規(guī)律。也不具備人類才有的，基于美、對(duì)稱和簡(jiǎn)潔的“物理直覺(jué)”。

舉一個(gè)最簡(jiǎn)單的例子，比如說(shuō)開普勒基于第谷的觀測(cè)數(shù)據(jù)，可以發(fā)現(xiàn)開普勒第三定律，而目前再好的機(jī)器學(xué)習(xí)、人工智能算法可能也很難基于相同數(shù)據(jù)，重復(fù)這個(gè)發(fā)現(xiàn)。

所以說(shuō)我認(rèn)為深度學(xué)習(xí)在天文中應(yīng)用的本質(zhì)，目前還局限在做更好的統(tǒng)計(jì)和擬合這個(gè)方面。