如果说某一流行语正以狂风骤雨之势席卷各行各业,那必然少不了“人工智能”。但它究竟还是在角落里小范围流行,还是已经获得了广泛的认可、声势浩大呢?
普华永道的数据显示,到2030年,人工智能将影响全球15.7万亿美元的经济。同时,埃森哲声称,“到2035年,人工智能可以使发达国家的经济增长率翻番。”
多年来,“人工智能”一词已经和许多事物联系在一起了。Siri、Alexa、机器人、编码、银行业、电子商务、甚至长生不死。这些只是一部分。这些例子已经彰显人类想象力的广度和宽度。然而,有一个领域相对来说未被探索却同样令人兴奋:人工智能与天文学。
看看这些例子:在日本,科学家们正在开发一种人工智能工具来预测宇宙的结构。还有的科学家们正在使用“智能”AI驱动望远镜对太空中的物体进行分类,从而帮助物理学家编写和检验假设。
美国宇航局(NASA)的詹姆斯韦伯太空望远镜,不久将能让使用者看到宇宙大爆炸后两亿年形成的星系。一批天文学家首次在一项星系合并研究中使用人工智能,来确认星系合并导致了恒星爆发。
越来越多的天文学家正将人工智能作为一种强大的探索工具,提供丰富而复杂的数据、分类星系、筛选数据以获取信号、发现脉冲星、识别不寻常的系外行星等。在这个全新的世界里,有无数未经探索的应用正在被试验,也由此产生了一系列人工智能天文工具,它还有个更好的名字——“人工智能天文学家”。
本文就将讨论一个颠覆性的人工智能程序——Morpheus。它由加州大学圣克鲁兹分校的研究人员开发,可以分析天文图像数据,对星系和恒星分类,精度堪比外科手术。让我们一起进入玄妙的宇宙空间吧!
天文学中的人工智能:一个新的(空间)世界秩序
正如知名天体物理学家,校际天文学中心主任索马克·雷乔杜里(SomakRaychaudhury)所说:“科学的两个主要分支之一——天文学,正广泛使用人工智能。”
在探讨细节之前,我们应该先了解一下为什么需要优先自动化天文学相关工作。Carlo Enrico Petrillo是专业天文学家,他谈到了筛选兆字节和兆字节数据的挑战。他说:“看星系图像是我们工作中最浪漫的部分。问题十分明显。”
同样,Morpheus的开发人员之一,圣克鲁斯大学的天文学和天体物理学教授布兰特·罗伯森(Brant Robertson)解释说:“有些事情是我们人类无法做到的。未来几年内,大型天文测量项目将产生大量数据,必须找到使用计算机来处理这些数据的方法。”
正是这一核心思想催生了Morpheus项目。该项目花费了大约两年的时间才得以实现。如果人类天文学家要完成对空间物体进行分类的任务,他们将花费亿万年。
但借助Morpheus这样的AI软件,不到一秒钟就可以非常精确地“捕捉”物体并收集有关星系演化的关键数据。通俗来说,可以了解宇宙未知空间的深度,并观察很久以前在遥远星系中存在过的物体。美国星球大战计划马上又有参考资料了。
就此项目的投入的精力和研究而言,你会惊讶地发现程序员将NASA哈勃太空望远镜拍摄的10000个星系图像作为弹药,通过拓展来更好地训练深度学习系统和算法。
此外,大规模的调查,如传统的空间和时间调查(LSST)将与该计划结合使用,以了解星系的形成和演化。
为了让你了解“LSST能达到什么样的效果”,科学家们宣称,它能用32亿像素的相机每晚拍摄800多张全景图像,每周两次记录整个可见的天空。这种CCD成像相机每晚能产生10兆字节的数据。想找到那些自愿筛选这些数据的天文学家,我只能说祝你好运——这就是人工智能发挥作用的地方。
“深度学习”框架如何驱动Morpheus
“到2020年初,预计数字宇宙将包含44泽字节数据。到2025年,全球每24小时将创建约463艾字节。”
首先,“深度学习”是什么?简单来说,“深度学习是机器学习的子集之一,即人工神经网络算法受人脑启发,通过大量的数据来学习。” 如果做个类比,可以将深度学习视为通过重复与人类学习获取经验的相同任务来“学习”的机器。通常,每次软件使用深度学习算法时,都会不断进行小迭代以优化结果。
同样,该程序利用深度学习并应用计算机视觉算法,根据望远镜输出的原始数据对物体进行分类。此外,它还支持逐像素分类,并实现了对空间对象的语义分割,而不管它们的形状是圆盘、球体还是不规则大小。历史表明,星系的形态可以让天文学家了解星系是如何形成的,以及它们是如何随时间演化的。
简而言之,科学家可以提取诸如语音和图像识别等方便的应用程序,从而逐像素地跟踪星系。
Morpheus在天文世界中的实际应用
布兰特·罗伯逊说:“对于其他模型,你必须知道有那处存在某种物体,然后给模型一张图像,它会立刻对整个星系进行分类。Morpheus逐像素地为你探索星系,因此它可以处理非常复杂的图像,例如圆盘星系旁边的球状星系团。对于中心凸起的圆盘星系,它将分别对凸起进行分类。所以非常强大。”
下面是Morpheus的工作步骤:
第一步:在加州大学洛杉矶分校的勒克斯超级计算机上运行,处理天空中某个特定区域的图像。 第二步:生成一组新的特定区域图像,并根据对象的形态对它们进行颜色编码。 第三步:这些图像清楚地帮助我们识别恒星和不同类型的星系。 最终结果:获得对大量数据进行逐像素的奇异性分析。
Morpheus的优势:360度法
“当天文学专家就星系分类达成一致时,Morpheus识别不同天体类别的准确率达到了82%至98%。”
为有抱负的天体物理学家提供了无限的深度学习空间:布兰特·罗伯逊(Brant Robertson)和瑞安·豪森(Ryan Hausen)教授将首次公开发布Morpheus代码,并提供在线演示,这是一系列实验的首次尝试。另外,根据他们的研究论文,使用Morpheus深度学习框架的教程已经创建并作为Jupyter笔记本公开发布。这是模型的交互式可视化。
提供天文物体的颗粒检测和形态分类——这实际上是闻所未闻的,也是不可能人为实现的。实际上,该模型能够恢复用于训练模型的调查数据中存在的超过98%的星系。 自动发现星系并处理复杂图像而无人为干扰,从而实现了强大的像素级分类。 ·提供全面了解星系变革的机会,且没有诸如人为偏见或错误之类的障碍。无论是了解星系随时间演变的方式,还是了解未来发展方向,这个AI赋能的程序都是我们了解纯净星系形成的最佳机会。 消除了对源进行假阳性鉴定的可能,这本是天文学领域的普遍现象。 增加易用性:通过灵活图像传输系统(FITS),支持天文数据常用数字格式的图像,你可以告别转换望远镜图像和数据,享受顺畅的体验。
即使用古老的计算机处理器,AI重力透镜也能够在20分钟内检查21789张图像。
根据美国宇航局的一份新闻稿:“新发现的开普勒90i是一颗炙热的岩石行星,每14.4天绕其恒星运行一次——这是通过谷歌的机器学习发现的。”
显然,人工智能在天体物理学中的应用提供了“天文”的回报,重新定义了天体科学领域的创新,揭开了宇宙深处最大的一些谜团。布兰特·罗伯逊强调人工智能和天体物理学迎来了有益的集体高潮,他说:“天文学正处于一场新的数据革命的尖端”,没有更合适的总结了。
随着天文学家们开始用人工智能来发现星系,他们不在需要费心费力去探测、分类、解码空间物体,或者寻找新的行星。在21世纪,人工智能超级望远镜可以减少他们的工作。
此外,观星者们也在庆祝,人工智能仪器为他们重新探索超乎想象的世界提供了可能性。埃隆·马斯克会如何评价此事呢?
责任编辑:YYX
-
人工智能
+关注
关注
1791文章
46711浏览量
237236 -
深度学习
+关注
关注
73文章
5473浏览量
120918
发布评论请先 登录
相关推荐
评论