如果說某一流行語正以狂風驟雨之勢席卷各行各業，那必然少不了“人工智能”。但它究竟還是在角落里小范圍流行，還是已經獲得了廣泛的認可、聲勢浩大呢？

普華永道的數據顯示，到2030年，人工智能將影響全球15.7萬億美元的經濟。同時，埃森哲聲稱，“到2035年，人工智能可以使發達國家的經濟增長率翻番。”

多年來，“人工智能”一詞已經和許多事物聯系在一起了。Siri、Alexa、機器人、編碼、銀行業、電子商務、甚至長生不死。這些只是一部分。這些例子已經彰顯人類想象力的廣度和寬度。然而，有一個領域相對來說未被探索卻同樣令人興奮：人工智能與天文學。

看看這些例子：在日本，科學家們正在開發一種人工智能工具來預測宇宙的結構。還有的科學家們正在使用“智能”AI驅動望遠鏡對太空中的物體進行分類，從而幫助物理學家編寫和檢驗假設。

美國宇航局（NASA）的詹姆斯韋伯太空望遠鏡，不久將能讓使用者看到宇宙大爆炸后兩億年形成的星系。一批天文學家首次在一項星系合并研究中使用人工智能，來確認星系合并導致了恒星爆發。

越來越多的天文學家正將人工智能作為一種強大的探索工具，提供豐富而復雜的數據、分類星系、篩選數據以獲取信號、發現脈沖星、識別不尋常的系外行星等。在這個全新的世界里，有無數未經探索的應用正在被試驗，也由此產生了一系列人工智能天文工具，它還有個更好的名字——“人工智能天文學家”。

本文就將討論一個顛覆性的人工智能程序——Morpheus。它由加州大學圣克魯茲分校的研究人員開發，可以分析天文圖像數據，對星系和恒星分類，精度堪比外科手術。讓我們一起進入玄妙的宇宙空間吧！

天文學中的人工智能：一個新的（空間）世界秩序

正如知名天體物理學家，校際天文學中心主任索馬克·雷喬杜里（SomakRaychaudhury）所說：“科學的兩個主要分支之一——天文學，正廣泛使用人工智能。”

在探討細節之前，我們應該先了解一下為什么需要優先自動化天文學相關工作。Carlo Enrico Petrillo是專業天文學家，他談到了篩選兆字節和兆字節數據的挑戰。他說：“看星系圖像是我們工作中最浪漫的部分。問題十分明顯。”

同樣，Morpheus的開發人員之一，圣克魯斯大學的天文學和天體物理學教授布蘭特·羅伯森（Brant Robertson）解釋說：“有些事情是我們人類無法做到的。未來幾年內，大型天文測量項目將產生大量數據，必須找到使用計算機來處理這些數據的方法。”

正是這一核心思想催生了Morpheus項目。該項目花費了大約兩年的時間才得以實現。如果人類天文學家要完成對空間物體進行分類的任務，他們將花費億萬年。

但借助Morpheus這樣的AI軟件，不到一秒鐘就可以非常精確地“捕捉”物體并收集有關星系演化的關鍵數據。通俗來說，可以了解宇宙未知空間的深度，并觀察很久以前在遙遠星系中存在過的物體。美國星球大戰計劃馬上又有參考資料了。

就此項目的投入的精力和研究而言，你會驚訝地發現程序員將NASA哈勃太空望遠鏡拍攝的10000個星系圖像作為彈藥，通過拓展來更好地訓練深度學習系統和算法。

此外，大規模的調查，如傳統的空間和時間調查（LSST）將與該計劃結合使用，以了解星系的形成和演化。

為了讓你了解“LSST能達到什么樣的效果”，科學家們宣稱，它能用32億像素的相機每晚拍攝800多張全景圖像，每周兩次記錄整個可見的天空。這種CCD成像相機每晚能產生10兆字節的數據。想找到那些自愿篩選這些數據的天文學家，我只能說祝你好運——這就是人工智能發揮作用的地方。

“深度學習”框架如何驅動Morpheus

“到2020年初，預計數字宇宙將包含44澤字節數據。到2025年，全球每24小時將創建約463艾字節。”

首先，“深度學習”是什么？簡單來說，“深度學習是機器學習的子集之一，即人工神經網絡算法受人腦啟發，通過大量的數據來學習。” 如果做個類比，可以將深度學習視為通過重復與人類學習獲取經驗的相同任務來“學習”的機器。通常，每次軟件使用深度學習算法時，都會不斷進行小迭代以優化結果。

同樣，該程序利用深度學習并應用計算機視覺算法，根據望遠鏡輸出的原始數據對物體進行分類。此外，它還支持逐像素分類，并實現了對空間對象的語義分割，而不管它們的形狀是圓盤、球體還是不規則大小。歷史表明，星系的形態可以讓天文學家了解星系是如何形成的，以及它們是如何隨時間演化的。

簡而言之，科學家可以提取諸如語音和圖像識別等方便的應用程序，從而逐像素地跟蹤星系。

Morpheus在天文世界中的實際應用

布蘭特·羅伯遜說：“對于其他模型，你必須知道有那處存在某種物體，然后給模型一張圖像，它會立刻對整個星系進行分類。Morpheus逐像素地為你探索星系，因此它可以處理非常復雜的圖像，例如圓盤星系旁邊的球狀星系團。對于中心凸起的圓盤星系，它將分別對凸起進行分類。所以非常強大。”

下面是Morpheus的工作步驟：

第一步：在加州大學洛杉磯分校的勒克斯超級計算機上運行，處理天空中某個特定區域的圖像。 第二步：生成一組新的特定區域圖像，并根據對象的形態對它們進行顏色編碼。 第三步：這些圖像清楚地幫助我們識別恒星和不同類型的星系。 最終結果：獲得對大量數據進行逐像素的奇異性分析。

Morpheus的優勢：360度法

“當天文學專家就星系分類達成一致時，Morpheus識別不同天體類別的準確率達到了82%至98%。”

為有抱負的天體物理學家提供了無限的深度學習空間：布蘭特·羅伯遜（Brant Robertson）和瑞安·豪森（Ryan Hausen）教授將首次公開發布Morpheus代碼，并提供在線演示，這是一系列實驗的首次嘗試。另外，根據他們的研究論文，使用Morpheus深度學習框架的教程已經創建并作為Jupyter筆記本公開發布。這是模型的交互式可視化。

提供天文物體的顆粒檢測和形態分類——這實際上是聞所未聞的，也是不可能人為實現的。實際上，該模型能夠恢復用于訓練模型的調查數據中存在的超過98%的星系。 自動發現星系并處理復雜圖像而無人為干擾，從而實現了強大的像素級分類。 ·提供全面了解星系變革的機會，且沒有諸如人為偏見或錯誤之類的障礙。無論是了解星系隨時間演變的方式，還是了解未來發展方向，這個AI賦能的程序都是我們了解純凈星系形成的最佳機會。 消除了對源進行假陽性鑒定的可能，這本是天文學領域的普遍現象。 增加易用性：通過靈活圖像傳輸系統（FITS），支持天文數據常用數字格式的圖像，你可以告別轉換望遠鏡圖像和數據，享受順暢的體驗。

即使用古老的計算機處理器，AI重力透鏡也能夠在20分鐘內檢查21789張圖像。

根據美國宇航局的一份新聞稿：“新發現的開普勒90i是一顆炙熱的巖石行星，每14.4天繞其恒星運行一次——這是通過谷歌的機器學習發現的。”

顯然，人工智能在天體物理學中的應用提供了“天文”的回報，重新定義了天體科學領域的創新，揭開了宇宙深處最大的一些謎團。布蘭特·羅伯遜強調人工智能和天體物理學迎來了有益的集體高潮，他說：“天文學正處于一場新的數據革命的尖端”，沒有更合適的總結了。

隨著天文學家們開始用人工智能來發現星系，他們不在需要費心費力去探測、分類、解碼空間物體，或者尋找新的行星。在21世紀，人工智能超級望遠鏡可以減少他們的工作。

此外，觀星者們也在慶祝，人工智能儀器為他們重新探索超乎想象的世界提供了可能性。埃隆·馬斯克會如何評價此事呢？
責任編輯：YYX