亚利桑那大学的一位天文学教授写道，人工智能已经开始帮助天文学家驯服大量数据集，并揭开它们的秘密。

著名的第一张黑洞图像的清晰度提高了两倍。 一个研究小组使用人工智能极大地改进了2019年的第一张图像，现在显示M87星系中心的黑洞比第一张图像更暗，更大。

“我是一名天文学家，研究并撰写过有关宇宙学、黑洞和系外行星的文章。天文学家已经使用人工智能几十年了。事实上，在1990年，我担任教授的亚利桑那大学的天文学家是最早使用一种称为神经网络的人工智能来研究星系形状的人之一。”

从那时起，人工智能已经渗透到天文学的各个领域。随着这项技术变得越来越强大，人工智能算法已经开始帮助天文学家驯服大量数据集，并发现有关宇宙的新知识。

更好的望远镜，更多的数据

自从天文学成为一门科学以来，它就一直试图理解夜空中的众多物体。当唯一的工具是肉眼或一个简单的望远镜，那是相对简单的，可以看到的只是几千颗恒星和少数几颗行星。

一百年前，Edwin Hubble使用新造的望远镜表明，宇宙中不仅充满了恒星和气体云，还充满了无数星系。随着望远镜的不断改进，人类可以看到的天体数量和天文学家需要整理的数据量也呈指数级增长。

例如，即将在智利建成的维拉-鲁宾天文台将拍摄如此大的图像，以至于需要1500个高清电视屏幕才能完整地观看每个图像。预计在10年内，它将生成0.5 EB的数据，大约是美国国会图书馆所有书籍中信息量的5万倍。

有20台镜面直径大于20英尺（6米）的望远镜。人工智能算法是天文学家们唯一希望能够处理所有可用数据的方法。人工智能在处理这些数据方面有很多有用的方法。

[caption id="attachment_50679" align="aligncenter" width="645"] 图片：NASA[/caption]

人工智能在天文学中最早的用途之一是找出隐藏在图像背景中的众多微弱星系。

挑选模式

天文学经常大海捞针。天文图像中约99%的像素包含背景辐射、其他来源的光或太空的黑暗——只有1%具有微弱星系的微妙形状。

人工智能算法——尤其是使用许多互连节点并能够学习识别模式的神经网络——非常适合于挑选星系的模式。天文学家在2010年代初开始使用神经网络对星系进行分类。现在，这些算法非常有效，可以以98%的准确率对星系进行分类。

这个故事在天文学的其他领域也重复出现过。从事SETI（寻找外星智能）的天文学家使用射电望远镜寻找来自遥远文明的信号。早期，射电天文学家用眼睛扫描海域图，寻找无法解释的异常情况。最近，研究人员利用150万台个人电脑和180万公民科学家寻找人工无线电信号。现在，研究人员正在使用人工智能来筛选大量的数据，比人更快更彻底。这使得SETI的努力能够覆盖更多的领域，同时也大大减少了假阳性信号的数量。

另一个例子是寻找系外行星。天文学家通过测量一颗行星经过恒星前方时来自恒星的光量的下降，发现了5300颗已知系外行星中的大部分。现在，人工智能工具可以以96%的准确率挑选出系外行星的迹象。

[caption id="attachment_50683" align="aligncenter" width="645"] 图片：NASA[/caption]

人工智能工具可以帮助天文学家发现新的系外行星，如TRAPPIST-1 b。

创造新发现

人工智能已经证明自己在识别天文学家告诉它要寻找的已知物体-如星系或系外行星-方面非常出色。但它在寻找理论化上但在现实世界中尚未发现的物体或现象方面也非常强大。

研究小组已经使用这种方法来探测新的系外行星，了解导致银河系形成和生长的祖先恒星，并预测新型引力波的特征。

为此，天文学家首先使用人工智能将理论模型转换为观测特征——包括真实的噪音级。然后，他们使用机器学习来提高人工智能检测预测现象的能力。

最后，射电天文学家也一直在使用人工智能算法来筛选与已知现象不符的信号。最近，来自南非的一个研究小组发现了一个独特的物体，可能是两个超大质量黑洞爆炸合并的残余物。如果这被证明是正确的，这些数据将允许对广义相对论进行新的测试——阿尔伯特·爱因斯坦对时空的描述。

[caption id="attachment_50684" align="aligncenter" width="645"] 图片： Medeiros等人2023, CC BY-ND[/caption]

首先对黑洞进行成像的团队（左）使用AI生成了更清晰的图像版本，右图显示黑洞比最初想象的要大。

做预测，堵漏洞

就像最近在生活的许多领域一样，生成式人工智能和像ChatGPT这样的大型语言模型也在天文学领域掀起了波澜。

在2019年创造了第一张黑洞图像的团队使用了生成式人工智能来制作新图像。为了做到这一点，它首先通过向人工智能提供多种黑洞的模拟来教会它如何识别黑洞。然后，研究小组利用自己建立的人工智能模型，填补了射电望远镜在黑洞M87上收集的大量数据中的空白。

利用这些模拟数据，该团队能够创建一个比原始图像清晰两倍的新图像，并且与广义相对论的预测完全一致。

天文学家也在求助于人工智能来帮助驯服现代研究的复杂性。 哈佛大学-天体物理学中心的一个团队创建了一个名为astroBERT的语言模型，用于阅读和组建1500万篇天文学科学论文。 另一个位于NASA的团队甚至提议使用人工智能来确定天文学项目的优先次序，这是天文学家每10年才进行一次的过程。

随着人工智能的发展，它已成为天文学家的重要工具。 随着望远镜变得越来越好，随着数据集变得越来越大，随着人工智能的不断改进，这项技术很可能会在未来的宇宙发现中发挥核心作用。