「第二個太陽系」被AI發現？

NASA和Google聯合宣布：谷歌的人工智能和開普勒天文望遠鏡共同了發現「第二個太陽系」 ，AI在這其中發揮了怎樣的作用？

NASA的科學家利用AI系統的強大計算能力對開普勒望遠鏡獲取的海量數據進行自動化篩選，并在已經歸檔的數據中發現了一個此前在進行人工分析時被忽略的微弱異常信號，最終證明這是恒星開普勒-90周圍存在的第八顆行星。

簡單的說，Google的AI技術提高了對開普勒數據的分析效率。通俗的講，google的AI讓處理數據的能力更加智能化和高效了，就好比以前的計算機提高了人腦的計算效率一樣。

那么，這項技術的神秘面紗是什么？開普勒望遠鏡所收集的數據又是什么呢？這項技術為何能高效處理這些數據來發現“第二個太陽系”的呢？

首先我們來回答第一個問題——谷歌的這項AI技術是什么？

神經網絡技術。神經網絡的構筑理念是受到生物（人或其他動物）神經網絡功能的運作啟發而產生的人工智能技術。神經網絡已經被用于解決各種各樣的問題，這些問題都是很難被傳統基于規則的編程所解決的，例如機器視覺和語音識別。神經元在通過簡單計算后將相關信息傳遞給下一級的神經元進行繼續處理，以此類推。通過這種方式，計算機可以學會識別貓貓狗狗。當然，通過學習開普勒太空望遠鏡的光線信號，也可以用來識別地外行星。

第二個問題——開普勒望遠鏡所收集的數據是什么？

先來了解地外行星偵測法——凌日法。如果一顆行星從母恒星盤面的前方橫越時，將可以觀察到恒星的視覺亮度會略微下降一些，這顆恒星變暗的程度取決于行星相對于恒星的大小。開普勒太空望遠鏡使用的就是凌日法，望遠鏡在長時間里對超過十萬顆恒星進行監視，掃描并記錄每一顆恒星在不同位置的亮度變化。這種呈U形的明暗信號變化模式通過白色的線條來表示。下圖中藍色的點狀分布，正是 NASA 在分析這些光變曲線后，得出“開普勒天體”的數據。

第三個問題——這項技術為何能高效處理這些數據以此來發現“第二個太陽系”？

簡單來說，是科學家讓電腦學會了辨認行星的特征。

過往，天文學家尋找系外行星的主要途徑是通過自動化軟件（使用的是特定編程，不具備AI的智能學習系統）或人工來對大量產生于開普勒望遠鏡的數據進行分析。過去四年，開普勒望遠鏡每 30 分鐘拍攝一張照片，創造了約 140 億個數據點。這 140 億個數據點可以轉化為大約 2 萬億個可能的行星軌道！對于計算能力最強大的計算機來說，這樣的分析也是一個浩大的工程，而且會非常耗時。為了讓這樣的分析過程更快更有效，研究人員們轉向了機器學習。

研究人員通過訓練神經網絡，讓計算機學會了識別行星從恒星前方橫越時產生的微弱信號（注意：先前的技術是不能讓“計算機自己”識別這些信號的，需配合人的操作才行，這樣先前的工作效率就低了很多）。

在使用這種技術對已知的 670 個多行星系統的掃描過程中，發現了行星開普勒 90i——恒星開普勒-90周圍發現的第8顆行星（位于第六軌道）。至此，人類在太陽系外發現第一個由8個行星構成的行星系，也就是第二個太陽系。（下圖上面一排是“第二個太陽系”，下面一排是我們的太陽系）。

實際上：Google已經開始將這套AI用在開普勒觀測到的15萬顆恒星數據上。下圖中橙色區域為此次已經探索的區域，而廣闊的未被探索區域（藍色）中有可能還有大量的行星未被發現，預計不久之后又會有新的消息曝出，說不定會發現類似地球的行星，更多的“太陽系”。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！