去年12月，美國國家航空和宇宙航行局宣布他們發(fā)現(xiàn)兩顆系外行星隱藏在清晰的視野中。這一發(fā)現(xiàn)是由一個經(jīng)過訓練的神經(jīng)網(wǎng)絡進行的，該神經(jīng)網(wǎng)絡通過從該機構(gòu)的開普勒太空飛船收集的數(shù)據(jù)進行篩選。

開普勒望遠鏡是在2009年發(fā)射的，專門用來搜尋環(huán)繞遙遠恒星運行的系外行星。天文學家根據(jù)恒星亮度的變化來探測系外行星。如果一顆恒星在很短的時間內(nèi)變暗，那么很可能是一顆行星在它前面通過。

在四年的時間里，開普勒觀測到了15萬顆恒星，這給天文學家們提供了比他們能夠篩選到的更多的數(shù)據(jù)。因此，他們只專注于3萬個最強烈的信號，并設法發(fā)現(xiàn)了2500個系外行星。但這留下了12萬個被忽略的信號。

然后Google的研究人員訓練他們的人工智能搜索12萬個未分析的信號。他們?yōu)檫@臺機器提供了15,000個nasa確認的系外行星數(shù)據(jù)的例子，以指導它如何識別系外行星的特征。

Google現(xiàn)在已經(jīng)發(fā)布了Github上的代碼，以及如何使用它的說明，所以公眾可以嘗試自己的天文發(fā)現(xiàn)。盡管代碼(和開普勒數(shù)據(jù))對任何人都是可用的，但它并不完全是“即插即用”。然而，如果他們熟悉Python和Google的機器學習軟件TensorFlow的編碼，那么他們可以更輕松地瀏覽AI。

“我們希望這一版本將成為為其他NASA任務開發(fā)類似模型的一個有用的起點，比如K2(開普勒第二任務)和即將到來的外行星調(diào)查衛(wèi)星任務，”Google系外行星AI的首席工程師Christopher Shallue在一篇博客文章中寫道。

Shallue還寫道，他希望這將鼓勵進一步分析剩余的開普勒數(shù)據(jù)。根據(jù)Shallue的說法，釋放代碼是讓公眾了解神經(jīng)網(wǎng)絡如何發(fā)現(xiàn)行星，同時鼓勵對開普勒數(shù)據(jù)進一步分析的方式。除此之外，Shallue表示他希望神經(jīng)網(wǎng)絡能夠為更復雜的外展活動鋪平道路。