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。”
（选自：Axios 作者：Alison Snyder 编译：媒体智能 参与：Sarah 原文链接:https://www.axios.com/astronomers-are-using-ai-to-study-the-vast-universe-fast-1515610061-451926e4-02f9-4460-9f68-a7489e7c6577.html】
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
