免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

捕捉人類看不出的模式

數據越來越多，科學家試圖聚合它們。但在GPU大會上，羅伯特森說，未來幾個大型天文望遠鏡一起產生大量數據，聚合之后復雜到人類無法直接利用。而加州大學圣克魯斯分校的科學家試圖解決這個問題。計算機科學系一名博士生創建的Morpheus深度學習框架，可以基于望遠鏡的原始數據，逐像素地分類天體。

加州大學圣克魯茲分校的科學家們還用AI更好地研究星系的形成。在他們2019年初發表的一項研究中，科學家用計算機模擬的星系訓練計算機，讓它學習星系演化的三個關鍵階段。后來計算機分析來自哈勃太空望遠鏡的星系圖像，表現出奇好。

人工智能應用于人臉識別，在海量數據訓練后，可以根據一張照片，認出這個人化妝和年老時候的樣子。而宇宙中很多圖像也可用同樣的方法來歸類。

“深度學習可以尋找模式，機器能看到非常復雜的模式，而人類看不到。”參與研究的科學家大衛·庫說，“我們希望進一步測試這種方法。在概念驗證研究中，機器似乎成功地在數據中找到了模擬中確定的星系演化的不同階段。”

幫天文學家找到另一個太陽系

2018年底的一篇報道顯示，谷歌人工智能發力，從開普勒系外行星觀測數據庫里找到了新的行星。行星是很難尋找的。位于太空的開普勒衛星觀察145000顆類似太陽的恒星，從恒星亮度微弱變化來發現行星。記錄4年的數據中，包括大約35000個疑似的行星記錄。天文學家用機器結合人眼來識別，但最暗最弱的信號常被忽略。

在谷歌AI的幫助下，我們發現了開普勒90i和開普勒80g兩顆新行星。也讓開普勒90被確認為第一個至少擁有8顆行星的外星系。

神經網絡和機器學習處理了140億個數據點，之后成功篩選出了候選者。

NASA和谷歌說，未來新技術將找到更多系外行星。NASA還表示不用擔心天文學家失業。NASA的科學家杰西·道特森解釋表示，數據提供給神經網絡之前，需要天文學家進行分類，以便人工智能可以從中學習分析出新的信息。

道特森說：“AI以后絕對會和天文學家一起工作，成為必不可少的工具。”

當然，機器學習也帶來“黑盒子”風險：我們得到了答案，但我們不知道機器為何如此判斷，或許答案是錯的。機器也會犯錯。天文學家將繼續訓練和適應它。

延伸閱讀

專家點評

深度學習還不具備“物理直覺”

確實，現在人工智能已經深入到了天文天體物理學的各個分支領域。目前，美國勞倫茲伯克利國家實驗室利用深度學習，能夠快速根據宇宙三維密度分布，判斷暗物質、暗能量等宇宙學基本常數，他們發現應用人工智能之后，統計量誤差比先前應用傳統統計學辦法小不少。此外，我們也利用深度學習在極低信噪比的光譜中尋找宇宙早期的氫、碳元素，發現比傳統方法也要好用。

同時，天文學家們也在應用深度學習，幫助我們判斷天體的三維位置、遠近，進而勾勒出三維空間的大尺度結構。人們發現深度學習在對數據信息的挖掘方面，可能強于我們之前所用的傳統方法。人工智能也被谷歌公司應用到探測系外行星的領域，并成功探測到了幾個系外行星……可以說，人工智能如今在天體物理的前沿領域被廣泛應用。

但從物理學家的角度看，基于深度學習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據、在已經被定義得非常明確的特定領域內發揮作用。只能在物理學家的指導下，把統計量的誤差棒做得更小，估計某個量更精準，而目前尚無法指導我們發現數據背后的新物理規律。也不具備人類才有的，基于美、對稱和簡潔的“物理直覺”。

舉一個最簡單的例子，比如說開普勒基于第谷的觀測數據，可以發現開普勒第三定律，而目前再好的機器學習、人工智能算法可能也很難基于相同數據，重復這個發現。

所以說我認為深度學習在天文中應用的本質，目前還局限在做更好的統計和擬合這個方面。