谷歌研究人员利用人工智能发现了遥远的外行星！

寻找系外行星是一项非常耗费大量数据和耗时的任务。在成堆的数据中寻找遥远行星的细微迹象需要花费大量的精力，但谷歌的研究人员一直在开发一种利用人工智能的方法，让这一过程变得更快、更有效。

美国国家航空航天局的开普勒任务花了四年时间聚焦于一片天空，在此期间，它收集了20万颗恒星的140亿个数据点。观测一颗系外行星通常是通过观察当一颗系外行星在我们和恒星之间经过时，恒星的光线会暂时变暗的现象。在那些年里，开普勒每30分钟拍一张照片，所以有很多机会可以观察到。

谷歌人工智能研究人员克里斯•苏尤与美国德克萨斯大学奥斯汀分校的天体物理学家安德鲁•范德堡合作，他们一起训练了一套机器学习系统，通过挖掘数据，找出可能存在的系外行星。为了做到这一点，他们使用了15,000个开普勒信号的数据集，这些信号已知是来自于系外行星或其他像双星一样的物体，用来训练机器学习系统。当他们测试这个系统时，研究人员发现它能够在96%的时间里正确地分辨出来自其他类型信号的系外行星信号。

然后，他们从已知有两个或更多的外部行星的670颗恒星中提取开普勒数据，以确定是否有其他行星被遗漏。他们发现了两颗新的行星：开普勒80 g和开普勒90i，后者使开普勒90星系统成为除我们之外的第一个已知的八颗行星系统。

这只是一个开始。他们写道：“到目前为止，我们只使用了我们的模型来搜索20万个恒星中的670颗”。在开普勒的数据中，可能有许多尚未发现的外行星，而像机器学习这样的新想法和技术将在未来的许多年里为天体的发现提供燃料。