美国国家航空航天局(NASA)官员表示，人工智能可能有助于寻找外星生命和探测附近的小行星。

　　据美国宇航局的一份声明称，美国宇航局希望将机器学习等人工智能技术应用到未来的望远镜数据解释过程当中，比如詹姆斯韦伯太空望远镜或凌日系外行星勘测卫星任务所收集的数据。

　　戈达德太空飞行中心的天体生物学家贾达·阿尼(Giada Arney)在声明中说：“这些技术非常重要，特别是对大数据集和系外行星领域而言，因为我们从未来观测中得到的数据既稀疏又嘈杂，难以令人理解，所以使用这些工具可能会给到我们很大帮助。”

　　目前，NASA已经与英特尔、IBM和谷歌等公司进行了合作，计划开发先进的机器学习技术。每年夏天，NASA还会召集技术和太空创新人士一起参加一个为期八周，名为前沿发展实验室(FDL)的项目。

　　NASA戈达德太空生物学家肖恩·多玛戈尔-高曼(Shawn Domagal-Goldman)在NASA的声明中说：“FDL感觉就像是一群非常棒的音乐家带着不同的乐器在车库即兴演奏，而且唱出了一些非常棒的东西，然后对别人说这车库里有个乐队。”

　　2018年，Domagal-Goldman和Arney指导的一个FDL团队开发了一种机器学习技术，这种技术会利用类似大脑的“神经网络”来分析图像，并根据系外行星大气中分子发出或吸收的光波来识别其化学性质。根据声明称，这项技术处理信息的方式类似于神经元(大脑中的神经细胞)与其他神经元之间连接、处理和传输信息的方式。

　　利用这种神经网络技术，研究人员能够以比传统方法更准确地精度去识别WASP-12b系外行星大气中的各种分子丰度。

　　此外，神经网络技术能够识别什么时候没有足够的数据，“如果我们要相信这些预测的话，那这一点真的很重要，”Domagal-Goldman在声明中说。

　　研究人员说，虽然该团队的神经网络技术仍处于发展阶段，但它总一天可能会用于研究未来望远镜收集的数据，进而帮助科学家们缩小潜在系外行星的范围，筛选出真正值得继续研究的行星。

　　FDL的其他技术也得到了很好的应用。例如，一个2017年的团队开发了一个机器学习程序，可以在短短4天内创建小行星的三维模型——包括它们的大小、形状和旋转速度。该声明称，这种类型的程序对于探测和转移潜在威胁小行星来说尤为重要。

　　目前，NASA每15秒就会从它各种各样的航天器那里收到大约2千兆字节的数据。然而，NASA的太阳物理学家马德胡利卡·古哈塔库塔(Madhulika Guhathakurta)在声明中说：“由于我们的人力、时间和资源有限，我们只分析了其中很小一部分的数据，这就是为什么我们需要更多地利用这些工具。”

　　此外，研究人员还建议在未来的宇宙飞船中使用人工智能技术，这样的话，航天器就能够自行作出实时的科学决策，节省航天器与地球科学家沟通所需的时间。

　　Arney在声明中说：“人工智能方法会在很多困难的任务中替我们完成大量初始跑腿工作，它将帮助解放我们大脑的处理能力。但这些方法还不会很快取代人类，因为我们还需要检查它的结果。”

本文来自： 前瞻网