（英文來(lái)源/Wired 作者/Sarah Scoles 編譯/Xtecher Samuel 雞排）
天文學(xué)家Kevin Schawinski在研究黑洞對(duì)星系構(gòu)成的影響上花了大量時(shí)間。面對(duì)海量龐雜的數(shù)據(jù)分析工作，他往往感到束手無(wú)策。他嘗試?yán)萌斯ぶ悄芗夹g(shù)代替人力分析，卻又受限于自己編程知識(shí)的不足。
正當(dāng)Schawinski為難之際，他在蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich）的同事給了計(jì)算機(jī)科學(xué)家Ce Zhang的聯(lián)系方式。“你們應(yīng)該談一談”，那名同事說(shuō)。很快，Schawinski便跟Ce Zhang合作，并將前沿機(jī)器學(xué)習(xí)技術(shù)帶到天文學(xué)研究中來(lái)。最近他們發(fā)布了第一項(xiàng)成果：一個(gè)將望遠(yuǎn)鏡捕捉到的模糊圖像變清晰的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，以使科學(xué)家能夠更好地分析圖像中的細(xì)節(jié)。
Schawinski跟Zhang的項(xiàng)目?jī)H僅是近年天文學(xué)研究技術(shù)發(fā)展的冰山一角。智能系統(tǒng)在辨認(rèn)，分類(lèi)和分析上的工作能力上遠(yuǎn)勝于人類(lèi)。在不久的將來(lái)，機(jī)器學(xué)習(xí)會(huì)成為天文學(xué)家最常用的輔助工具之一，而不局限于分析數(shù)據(jù)這樣的幕后工作。
在Schawinski和Zhang的初期的研究里，他們用大量的貓科動(dòng)物照片來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，“教”系統(tǒng)辨認(rèn)貓的特征。經(jīng)過(guò)學(xué)習(xí)，這套系統(tǒng)很快掌握了技巧并可以迅速還原一張模糊的貓照片。他們命名這套系統(tǒng)為GAN，取自Generative Adversarial Network（生成式對(duì)抗網(wǎng)絡(luò)）的縮寫(xiě)。這套系統(tǒng)由兩組對(duì)立的神經(jīng)網(wǎng)絡(luò)構(gòu)成。在訓(xùn)練中，一組神經(jīng)網(wǎng)絡(luò)會(huì)接收一張模糊的天文圖像和清晰的原圖，并盡力修復(fù)模糊的那張，使其接近原圖的效果。另一組網(wǎng)絡(luò)則負(fù)責(zé)對(duì)比修復(fù)好的圖像與原圖，找出兩者的區(qū)別。除了宇宙的照片以外，研究人員還會(huì)讓系統(tǒng)給被毀容的人們的照片做“整容手術(shù)”。
GAN系統(tǒng)揭露了當(dāng)前的射電望遠(yuǎn)鏡都不夠靈敏清晰的事實(shí)，尤其在捕捉新生恒星的圖像的時(shí)候。“我不想把它表現(xiàn)成俗套的‘圣杯’造型”，Schawinski說(shuō)， “但是在天文學(xué)的研究中，你往往想要把圖像修復(fù)得比實(shí)際要好看”
當(dāng)被問(wèn)到他們下一步打算用神經(jīng)網(wǎng)絡(luò)系統(tǒng)做什么的時(shí)候，Schawinski對(duì)Zhang說(shuō)“我們還有什么沒(méi)有公開(kāi)的嗎？“這讓我意識(shí)到，他們的目的不僅僅是修復(fù)天文照片那么簡(jiǎn)單。他們兩人稱(chēng)短期內(nèi)沒(méi)有具體的計(jì)劃（或是他們并不愿意透露），但長(zhǎng)期來(lái)看，這些機(jī)器學(xué)習(xí)技術(shù)會(huì)為軍事技術(shù)研究所用。Schawinski也認(rèn)為科學(xué)家沒(méi)必要對(duì)深度學(xué)習(xí)和其他相關(guān)計(jì)算機(jī)科學(xué)領(lǐng)域作深入研究，畢竟世界上掌握這種技術(shù)的人也不多。
與此同時(shí)，其他天文學(xué)家也在自己的研究工作上應(yīng)用機(jī)器學(xué)習(xí)。蘇黎世聯(lián)邦理工學(xué)院的一些科學(xué)家利用人工智能去解決宇宙輻射信號(hào)受到干擾的問(wèn)題。他們訓(xùn)練神經(jīng)網(wǎng)絡(luò)去識(shí)別并偽裝人造無(wú)線電干擾信號(hào)，例如衛(wèi)星、機(jī)嘗無(wú)線路由器以及微波爐，進(jìn)而找到方法去解決信號(hào)干擾，幫助天文學(xué)家更好地觀察黑洞。神經(jīng)網(wǎng)絡(luò)的應(yīng)用不僅局限于新的天文學(xué)觀察項(xiàng)目。以往的觀察數(shù)據(jù)也可以被重新分析、利用。正如Schawinski所說(shuō)， “神經(jīng)網(wǎng)絡(luò)能幫助我們更好地利用一切數(shù)據(jù)去了解宇宙。”
機(jī)器學(xué)習(xí)使得研究工作更加輕松。以往，天文學(xué)家必須艱難地反復(fù)搜索一些類(lèi)似的信號(hào)，譬如脈沖星的振動(dòng)、星系的懸臂、星云的光譜。而現(xiàn)在這些工作都可以交給一套智能系統(tǒng)，讓它自己分辨、分析信號(hào)，進(jìn)而確認(rèn)是否存在這樣一個(gè)星系。這套系統(tǒng)的研發(fā)人Alex Hocking稱(chēng) “我們不告訴電腦要找什么；我們 “教”它去發(fā)現(xiàn)需要找的東西。”
早在2012年，研究脈沖星的天文學(xué)家們就開(kāi)發(fā)出了初級(jí)神經(jīng)網(wǎng)絡(luò)并在測(cè)試中找出了85%的脈沖星，而一個(gè)2016年制造的智能系統(tǒng)則能快速有效地識(shí)別出輻射信號(hào)的來(lái)源。在光學(xué)分析方面，一個(gè)叫RobERt的神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠在數(shù)秒內(nèi)完成科研人員要花幾天才能分析好的星體化學(xué)成分。盡管聽(tīng)起來(lái)很奇怪，但當(dāng)天文學(xué)家們讓RobERt去 “猜”星體上的 “水”會(huì)是什么樣子時(shí)，它輕松地做到了。
至此，在天文學(xué)的一些領(lǐng)域里電腦已經(jīng)擁有可以超越人類(lèi)的能力，而且電腦會(huì)繼續(xù)改變其他科技領(lǐng)域，解放科學(xué)家的時(shí)間和精力，使他們可以投入到更多有趣的課題上來(lái)。 “人工智能將要全面進(jìn)入科研領(lǐng)域” Schawinski說(shuō)， “這僅僅是一場(chǎng)革命的開(kāi)始。我們正在見(jiàn)證未來(lái)科學(xué)研究的劇變。”