人工智能可能是探索宇宙的完美工具

在努力理解宇宙的過程中，我們變得貪婪，做出了比我們知道該怎么做更多的觀察。衛(wèi)星每年發(fā)射的信息量達數(shù)百兆字節(jié)，而智利正在建造的一架望遠鏡每晚將產(chǎn)生15 TB的太空圖片。對于人類來說，這是不可能的。正如天文學家Carlo Enrico Petrillo告訴The Verge：“看星系的圖像是我們工作中最浪漫的部分。問題一直在集中。”這就是Petrillo訓練AI程序來尋找他的原因。

Petrillo和他的同事正在尋找一種基本上是太空望遠鏡的現(xiàn)象。當一個巨大的物體(一個星系或一個黑洞)進入遙遠的光源和地球上的觀察者之間時，它會彎曲空間和周圍的光線，從而形成一個透鏡，使天文學家能夠更近距離地觀察到地球上難以置信的古老而遙遠的部分。應當被屏蔽的宇宙。這稱為重力透鏡，這些透鏡對于理解宇宙的構成至關重要。但是，到目前為止，找到它們是一項緩慢而乏味的工作。

那就是人工智能的源頭-尋找引力透鏡只是一個開始。就像斯坦福大學教授吳安德(Andrew Ng)所說的那樣，人工智能的能力能夠使任何事情“自動化，一個典型的人只需不到一秒鐘的思想就可以完成。”不到一秒鐘聽起來似乎沒有太多思考的余地，但是在篩選當代天文學所創(chuàng)建的大量數(shù)據(jù)時，這真是天賜之物。

這波AI天文學家不僅在考慮這項技術如何對數(shù)據(jù)進行分類。他們正在探索一種全新的科學發(fā)現(xiàn)模式，其中人工智能可以繪制出我們從未見過的宇宙部分。

但首先：重力透鏡。愛因斯坦的廣義相對論在1930年代就一直預言這種現(xiàn)象，但直到1979年才發(fā)現(xiàn)第一個例子。為什么?好吧，空間非常非常大，人類需要花費很長時間才能看到它，尤其是在沒有今天的望遠鏡的情況下。到目前為止，尋求重力透鏡的事情是零星的。

明尼蘇達大學天體物理學教授莉莉亞·威廉姆斯(Liliya Williams)告訴《邊緣報》：“我們現(xiàn)在已經(jīng)通過各種方式找到了這些透鏡。”尋找某些完全不同的東西是偶然發(fā)現(xiàn)的。通過兩三個調(diào)查，有人在尋找它們。但是其余都是偶然發(fā)現(xiàn)的。”

看著圖像正是AI擅長的事情。因此，波恩，那不勒斯和格羅寧根大學的Petrillo及其同事轉向了硅谷鐘愛的AI工具：一種由數(shù)字“神經(jīng)元”組成的計算機程序，以大腦中的神經(jīng)元為模型，響應輸入而激發(fā)。向這些程序(稱為神經(jīng)網(wǎng)絡)提供大量數(shù)據(jù)，它們將開始識別模式。它們特別擅長處理視覺信息，并用于為各種機器視覺系統(tǒng)提供動力-從自動駕駛汽車的攝像頭到Facebook的圖片標記面部識別。

如上個月發(fā)表的一篇論文所述，將這項技術應用于尋找重力透鏡非常簡單。首先，科學家們建立了一個數(shù)據(jù)集來訓練神經(jīng)網(wǎng)絡，這意味著生成600萬張?zhí)摷賵D像，顯示出引力透鏡的功能和外觀。然后，他們使神經(jīng)網(wǎng)絡失去了對數(shù)據(jù)的支持，使其緩慢地識別模式。稍后進行了一些微調(diào)，他們有了一個程序，可以在眨眼之間識別引力透鏡。

AI在短短20分鐘內(nèi)檢查了21,789張圖片

Petrillo說：“一個非常優(yōu)秀的人類分類器可以以每小時約一千的速度對圖像進行分類。”根據(jù)他的團隊使用的那種數(shù)據(jù)，他估計每30,000個星系中都會發(fā)現(xiàn)一個透鏡。因此，一個不經(jīng)過睡眠或休息一周工作的人類分類器將只能找到五到六個鏡片。相比之下，神經(jīng)網(wǎng)絡在短短20分鐘內(nèi)瀏覽了21789張圖像的數(shù)據(jù)庫。Petrillo說，那是一個單一的古老計算機處理器。他說：“這段時間可以大大縮短。”

神經(jīng)網(wǎng)絡不如計算機精確。為了避免俯視任何鏡頭，其參數(shù)非常寬大。它產(chǎn)生了761種可能的候選物，人類對其進行了審查，并縮減為56種。需要進一步觀察以確認這些是合法發(fā)現(xiàn)，但Petrillo猜測大約三分之一將成為真正的發(fā)現(xiàn)。與過去幾十年來整個科學界發(fā)現(xiàn)的數(shù)百個鏡頭相比，這大約每分鐘可找到一個鏡頭。這是令人難以置信的加速，也是AI如何幫助天文學的完美范例。

找到這些透鏡對于理解天文學的一個大奧秘至關重要：宇宙實際上是由什么組成的?我們所熟悉的物質(zhì)(行星，恒星，小行星等)被認為僅占所有物理物質(zhì)的5%，而其他怪異的物質(zhì)構成了另外95%。其中包括一種稱為暗物質(zhì)的假設物質(zhì)，我們從未直接觀察到。相反，我們用重力透鏡作為關鍵指標之一，研究了它對宇宙其余部分的引力影響。

那么AI還能做什么呢?研究人員正在研究許多新工具。有些像Petrillo一樣，正在從事鑒定工作：例如，對星系進行分類。其他公司則正在幫助梳理數(shù)據(jù)流中的有趣信號，例如一個神經(jīng)網(wǎng)絡，該網(wǎng)絡消除了射電望遠鏡的人為干擾，以幫助科學家發(fā)現(xiàn)潛在的令人興奮的信號。還有更多的方法被用于識別脈沖星，定位異常的系外行星或增強低分辨率望遠鏡的圖像。簡而言之，存在大量潛在的應用程序。

“總的來說，與機器相比，人類更加偏見，效率低下并且更容易犯錯誤。”

爆炸的部分原因是更大的硬件趨勢使AI的應用領域更加廣泛，例如大量廉價的計算能力。但這也是由于天文學性質(zhì)的變化。天文學家不再在無云的夜晚保持寂寞的守夜，跟蹤各個行星的運動。取而代之的是，他們使用復雜的機器，吞噬了早期科學家無法想象的大量數(shù)據(jù)，吞噬了天空的一部分。威廉姆斯說，更好的望遠鏡和更好的數(shù)據(jù)存儲意味著比以往更多的分析。

數(shù)據(jù)的分析偉大的大片正是人工智能是很大的。我們可以教它識別模式，然后將其設置為像不倦的助手一樣工作：從不眨眼，始終保持一致。

它是否使天文學家擔心他們信任一臺可能缺乏發(fā)現(xiàn)敏銳事物所需的人類洞察力的機器上的信任?彼得里洛(Petrilo)說，他沒有打擾。“總的來說，與機器相比，人類更加偏見，效率低下并且更容易犯錯誤。”威廉姆斯同意：“計算機可能會遺漏某些事物，但是他們會系統(tǒng)地懷念它們。”只要我們知道他們不知道什么，我們就可以部署自動化系統(tǒng)而不會帶來太大風險。

對于某些天文學家來說，人工智能的潛力已不僅僅是單純的數(shù)據(jù)分類。他們認為人工智能可以用來創(chuàng)造信息，填補我們對宇宙的觀察中的盲點。

天文學家凱文·舍溫斯基(Kevin Schawinski)和他的團隊專門研究銀河系和黑洞天體物理學，他們使用AI來增強模糊望遠鏡圖像的分辨率。為此，他們部署了一種神經(jīng)網(wǎng)絡，這種神經(jīng)網(wǎng)絡擅長于生成所研究數(shù)據(jù)的變化，例如可以模仿著名畫家風格的訓練有素的偽造者。這些被稱為生成對抗網(wǎng)絡(GAN)的網(wǎng)絡已被用來根據(jù)名人的照片制作假臉。模仿個人聲音的虛假音頻對話;以及其他一系列數(shù)據(jù)類型。它們是當代AI研究中最豐富的接縫之一，對于Schawinski來說，它們意味著獲得以前所沒有的信息。

Schawinski和他的團隊在今年早些時候發(fā)表的論文展示了如何使用GAN來改善空間圖片的質(zhì)量。他們降低了一堆星系圖片的圖像質(zhì)量，增加了噪點和模糊，然后使用經(jīng)過望遠鏡圖像訓練的GAN來提高其分辨率，并將其與原始圖像進行比較。結果非常準確：足以說服沙文斯基相信人工智能有潛力改善天文學中的各種數(shù)據(jù)集。他說，他和他的團隊“正在取得很多不錯的結果”，但是他們在發(fā)布之前無法透露任何信息。

沙溫斯基對此項目持謹慎態(tài)度。畢竟，這聽起來似乎違反了科學的核心原理：您只能通過直接觀察宇宙來了解宇宙。他說：“正是出于這個原因，這是一種危險的工具。”只有在我們a)擁有足夠且準確的訓練數(shù)據(jù)并且b)可以檢查結果的情況下，才應使用該工具。因此，您可以訓練GAN來生成有關黑洞的數(shù)據(jù)，然后將其放寬到以前從未詳細觀察到的天空部分。然后，如果它暗示那里存在黑洞，那么天文學家將第一手證實這一發(fā)現(xiàn)，就像引力透鏡一樣。Schawinski說，與所有科學工具一樣，需要進行嚴格的耐心測試，以確保獲得的結果不會“誤入歧途”。

如果這些方法卓有成效，那么它們將成為Schawinski的一個全新的探索方法，與經(jīng)典計算機模擬和良好的老式觀察一起應運而生?，F(xiàn)在還很早，但是回報可能是巨大的。Schawinski說：“如果擁有此工具，則可以訪問存檔中的所有現(xiàn)有數(shù)據(jù)，也許可以對其進行一些改進，并獲得更多的科學價值。”以前沒有的價值。人工智能將執(zhí)行某種科學的煉金術，幫助我們將舊知識轉化為新知識。而且我們甚至可以在不離開地球的情況下探索前所未有的太空。