一分钟发现一个引力透镜，天文学家使用神经网络探索宇宙

来源：the verge

编译：Cecilia

【新智元导读】人工智能在天文学上得到许多应用：识别星系图片、分类数据、制造信息填补对宇宙的认识盲点等。此外，研究人员发现神经网络能比人类更快地分析引力透镜效应。AI有潜力成为人类探索宇宙的完美工具。

人类做了许多努力去探索宇宙。 现在又有了新的探索工具。天文学家Carlo Enrico Petrillo Petrillo训练了一个AI程序来替他查看星系。

当一个巨大的物体（一个星系或一个黑洞）在遥远的光源和地球上的一个观测者之间来回转动时，它会使周围的空间和光线发生弯曲，创造出一个让天文学家仔细观察宇宙的透镜。 这就是所谓的引力透镜，这些透镜是理解宇宙是由什么构成的关键。

正如吴恩达曾经说过的，人工智能的能力是能够自动完成“人类花一秒钟就能做完的事情”。不到一秒钟，在筛选当代天文学所创造的大量数据时，简直如有神助。

天文学家使用人工智能的浪潮不只是想让AI来分类数据。 他们正在探索一个全新的科学发现模式。人工智能可以映射出我们从未见过的宇宙部分。 爱因斯坦的广义相对论在20世纪30年代一直预言着引力透镜，但直到1979年才发现了第一个例子。为什么呢？ 宇宙空间非常大，人类需要很长的时间来观察。

而看图像正是AI擅长的。 因此，Petrillo和同事们转向了硅谷所钟爱的人工智能工具：给一种由数字“神经元”组成的计算机程序输入大量的数据，将开始识别模式。 它们擅长处理视觉信息，并且用在各种机器视觉系统上，从自驾车相机到Facebook的图片标记面部识别。

正如上个月发表的一篇论文所描述的，应用这种技术来寻找引力透镜是非常简单的。 首先，科学家们制作了一个数据集来训练神经网络，这意味着生成600万张伪造的图像，显示引力透镜做什么、不做什么。 然后，他们把神经网络放在数据上，让它慢慢识别模式。 后来微调了一下，一个程序在眨眼之间就能识别引力透镜。

Petrillo说：“人类能以每小时大约1000个的速度对图像进行分类。” 相比之下，神经网络在20分钟内识别了21789张图片的数据库。 Petrillo说，那是一台古老的电脑处理器。 他说：“这个时间可以缩短很多。”

神经网络大概每分钟发现一个透镜，而整个科学界在过去几十年发现了一百多个透镜。 这是一个令人难以置信的加速，证明了AI如何帮助天文学发展。

寻找这些透镜对于理解天文学最重要的奥秘之一至关重要：宇宙究竟是由什么构成的？ 我们所熟悉的事物（行星，恒星，小行星等）被认为只占所有物质的5％，而其他物质占95％。 这包括一个我们从未直接观察到的被称为暗物质的假设物质。 相反，我们研究它对宇宙其余部分的引力效应，引力透镜是其中一个关键指标。

那么AI还能做什么？研究人员正在研究一些新的工具。像Petrillo这样的一些人正在承担身份识别的工作，例如分类星系。其他人正在帮助梳理一些有趣信号的数据流，例如去除射电望远镜人为干扰的神经网络。还有更多的技术被用来识别脉冲星，寻找不寻常的系外行星，或削弱低分辨率的望远镜图像。

天文学家不用再孤独地守着夜晚，跟踪个别行星的运动; 相反，他们使用复杂的机器，为他们提供大量数据。

一位业内人士说，更好的望远镜和更好的数据存储意味着我们比以往任何时候都更需要分析。

而分析大量数据正是人造智能所擅长的。我们可以教它识别模式，然后设置它，它会像一个不知疲倦的助手一样工作：永不眨眼，始终如一。

对于一些天文学家来说，AI的潜力不仅仅是数据分类。他们认为人造智能可以用来创造信息，填补我们对宇宙观察的盲点。

天文学家Kevin Schawinski和他的团队专门研究星系和黑洞天体物理学，他使用AI来提高模糊望远镜图像的分辨率。为此，他们部署了一种神经网络，擅长生成所研究数据的变化，就像训练有素的伪造者，可以模仿着名画家的风格。

Schawinski及其团队今年早些时候发表的论文展示了如何使用GAN来提高太空图片的质量。他们降低了一堆星系图像的质量，增加了噪声和模糊，然后用GAN训练过的望远镜图像来提高它们的分辨率，并将它们与原始图像进行比较。结果非常准确：足以说服Schawinski说AI有改进各种天文数据集的潜力。他说他和团队有“很多很好的结果”，但是在发表之前不便透露。

Schawinski对这个项目持谨慎态度。毕竟，这听起来好像违背了科学的核心原则：你只能通过观察直接了解宇宙。 “这是一个危险的工具，正是因为这个原因，”他说，只有在我们有足够多的准确的培训数据和可以检查结果的情况下才会训练一个GAN来产生关于黑洞的数据。 Schawinski说，与所有的科学工具一样，需要进行严格的耐心测试，以确保你所得到的结果不会“引导你误入歧途”。

如果这些方法富有成效的话，它们可能会成为一种全新的探索方法，而且我们能够以前所未有的方式、甚至不用离开地球就能探索太空。

原文地址：https://www.theverge.com/2017/11/15/16654352/ai-astronomy-space-exploration-data