人工智能刚刚发现两颗新的系外行星

美国宇航局的科学家和谷歌的一名软件工程师今天宣布，一种名为神经网络的机器学习技术已经发现了银河系中的两颗新的系外行星，这意味着研究人员现在借助人工智能的力量了解了两个新世界。

发现新的系外行星（太阳系外行星的称谓）是相对常见的事，科学家用来识别它们的关键仪器是开普勒太空望远镜，它已经发现了 2,525 颗已确认的系外行星。但这次声明的新颖之处在于，研究人员使用人工智能系统发现了这两颗新行星，现在它们被称为 Kepler-90i 和 Kepler-80g。被称为 90i 的行星对天文学家来说尤其有趣，因为它使已知的围绕该恒星运行的行星总数达到 8 颗，与我们自己的系统持平。90i 上的平均温度被认为相当温和：超过 800 华氏度。

正如发现系外行星很常见一样，神经网络也是如此，它是一种从数据中学习的软件（而不是将规则编入其中的程序）。神经网络为 Facebook 上的语言翻译、新 iPhone X 上的 FaceID 系统以及 Google Photos 上的图像识别提供支持。神经网络如何学习的一个经典示例是考虑猫和狗的图片——如果你将带标签的猫图像输入神经网络，那么它稍后应该能够识别它认为其中有猫的新图像，因为它已经接受过这样的训练。

谷歌人工智能高级软件工程师 Christopher Shallue 周四在美国宇航局的电话会议上表示：“神经网络已经存在了几十年，但近年来它们在解决各种问题方面取得了巨大成功。现在我们已经证明神经网络还可以从开普勒太空望远镜收集的数据中识别行星。”

天文学家需要望远镜之类的工具来搜寻系外行星，而人工智能研究人员则需要大量标记数据。在这种情况下，Shallue 使用他们已经从开普勒获得的 15,000 个标记信号来训练神经网络。这些信号称为光变曲线，是当一颗围绕恒星运行的行星经过恒星和开普勒之眼之间时，恒星光线如何减弱的测量值，这种技术称为凌日法。在 15,000 个信号中，约有 3,500 个是来自经过行星的光变曲线，其余的是假阳性——光变曲线是由类似恒星斑的东西而不是围绕行星运行的东西产生的。这样神经网络就可以学习到经过行星产生的光变曲线与其他现象信号之间的区别。

最终，Shallue 和他的合作者、得克萨斯大学奥斯汀分校的 NASA 萨根博士后研究员 Andrew Vanderburg 让神经网络处理原始训练集中没有的开普勒数据。它筛选了来自 670 个恒星系统的数据，重点关注可能代表之前未被发现的行星的微弱信号。果然​​，他们发现了两个新世界。

沙卢说：“当数据量太大，人类无法自行检查时，机器学习才真正发挥作用。”

他说，查看这 670 颗恒星发出的微弱信号并找到两颗行星是他们的神经网络有效的“概念证明”。他们的下一步是将其用于更多数据：来自大约 150,000 颗额外恒星的信号。Shallue 承认他不是天文学专家，这就是他与 Vanderburg 合作开展该项目的原因。

虽然以前也曾使用过人工智能工具进行此类研究，但“这是第一次专门使用神经网络来识别新的系外行星，”Shallue 在新闻发布会上表示。

玛丽·贝丝·格里格斯为本报告做出了研究贡献。