下一代望远镜功能强大，将能够扫描数百万颗恒星，并生成大量的数据，而天文学家将负责利用这些数据进行分析。对于天文学家来说，这些数据太多了，因而并不能为数据筛选或建模带来益处，所以天文学家们转向打算利用人工智能对数据进行处理。
底线：过去，算法对天文学家们有所帮助，但随着最近人工智能的发展，尤其是图像识别能力的提高以及计算速度的提高、成本的下降，这些技术将会被更多的研究人员所使用。来自佛罗里达海湾大学的天文学家德里克 布西希说：“因为我们无法有效处理这些数据流，所以我们必须改变原来的操作模式。”
举个例子：智利建造的高达8.4米的镜望远镜（LSST）将在未来10年内，用一部汽车大小的数码相机，每隔几天就对整个南方的天空进行拍摄。总体来说，预计它将收集超过5000万千兆字节的原始数据。
创新点：有些新方法，“5到10年前还不存在，他们的出现或者提高了运算速度，或者提高了运算的精确度，”堪萨斯大学的研究生唐纳德?李-布朗说。对此进行粗略分析，结果显示，在过去的五年中，对机器学习进行研究的天文学论文数量增加了5倍。
天文学家是如何利用人工智能的：
1）用望远镜进行协调配合
洛斯阿拉莫斯国家实验室的汤姆?韦特兰德说，观测天空的大型望远镜将会对“短暂的天象事件”进行观测——它们是新信号或“夜空作怪”的来源。
其中一些事件——比如伽马射线暴，被Vestrand称为“黑洞诞生公告”——持续时间仅不到一分钟。在这么短的时间内，它们需要被探测到，被归类为真实或虚假事件（比如是一架飞过的飞机而已），然后用最合适的望远镜对准它们从而进一步进行调查。
有了像LSST这样的望远镜，每天晚上可能会检测到5万个短暂事件，同时，世界各地数百个望远镜也会协同进行工作。“人工速度已经赶不上机器，”韦特兰德说，“这些工作需要机器对接来完成”。
2）对数据进行分析
在两年的时间内，每隔30分钟，NASA新型凌日系外行星勘测卫星就会传回近半个天空的全幅照片，为天文学家们提供2000万颗恒星的信息以便观察。
“今后关于这些恒星的数据将比我们以前了解的总量还要多，”布西说到。接下来，人工智能可以对它进行分类，如果它们有一些相似之处，就把它们组合在一起，然后交给人类去“看看人工智能无法识别的1%”。
当时的想法是，人工智能可以对数据进行分类，将有相似之处的数据组合在一起，然后交由人类对“人工智能无法识别的1%”进行分析。李-布朗说：“利用神经网络工具可以获取恒星的温度信息或金属性质，这不仅比我们以前的方法更精确，而且速度也比之前快十亿倍。”机器学习现利用于对黑洞的研究，用于寻找外行星，并用于对宇宙及其参数进行建模。布泽西说，在处理数据方面，人工智能能够以始终如一的稳定性执行任务，而人类想要达到相当的水平是非常困难的。
3）用于挖掘数据
太空望远镜科学研究所的约书亚?皮克说：“所得到的大部分天文学数据都被丢弃了，但其中有些数据却蕴含着深层的物理信息，只是我们不知道怎么对其进行发掘而已。”Peek说，产生这些美丽的星云图像之后，其中的信息经常会被丢弃。他正在开发一种叫做卷积神经网络的机器学习工具，可以将图像分类为不同的对象，进而从关于弥散性等离子体和气体结构中提取特征信息——这是宇宙中大多数正常物质存在的状态。然后，天文学家们就可以研究宇宙中不同结构之间的异同。
一个重要的问题是：“为了发现仍不知如何描述的东西，你应该如何编写软件呢？”Vestrand问道。“对于不寻常事件，有一部分是常见的，但对于那些不常见的异常事件，应该怎么处理呢？”
而这将是真正存在新发现的地方，因为很明显，你并不知道它们是什么。”
（选自：Axios 作者：Alison Snyder 编译：媒体智能 参与：Sarah 原文链接:https://www.axios.com/astronomers-are-using-ai-to-study-the-vast-universe-fast-1515610061-451926e4-02f9-4460-9f68-a7489e7c6577.html】
