訂閱
糾錯(cuò)
加入自媒體

如何用人工智能發(fā)現(xiàn)夜空中最亮的星

捕捉人類看不出的模式

數(shù)據(jù)越來越多,科學(xué)家試圖聚合它們。但在GPU大會(huì)上,羅伯特森說,未來幾個(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。后來計(jì)算機(jī)分析來自哈勃太空望遠(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,“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,未來新技術(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:“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“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”

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,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”。

舉一個(gè)最簡(jiǎn)單的例子,比如說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。

<上一頁(yè)  1  2  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請(qǐng)聯(lián)系我們。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)