在当今各行各业中，”人工智能”这一流行语正在迅速蔓延。那么，它到底是局限于某些角落的小众趋势，还是已获得广泛的认可和影响呢？
根据普华永道的研究，到2030年，人工智能将对全球经济产生15.7万亿美元的影响。而埃森哲则指出，”到2035年，人工智能或将使发达国家的经济增长率翻倍。”
多年来，“人工智能”与众多领域联系在一起，包括SiRi、Alexa、机器人技术、编码、金融服务、电子商务，甚至长生不死的概念。这些例子展现了人类想象力的广度与深度。然而，有一个领域相对较少被探索却同样激动人心，那就是人工智能在天文学中的应用。
例如，在日本，科学家们正在研发一种人工智能工具，用于预测宇宙的结构。同时，其他科学家则利用“智能”AI驱动的望远镜对太空中的天体进行分类，从而帮助物理学家编写和验证假设。
美国宇航局(NASA)的詹姆斯韦伯太空望远镜将使用户能够观测宇宙大爆炸后两亿年形成的星系。天文学家们首次在星系合并研究中使用人工智能，确认了星系合并导致恒星爆发的现象。
越来越多的天文学家开始将人工智能视为强大的探索工具。这些工具能够处理丰富复杂的数据、对星系进行分类、筛选数据以提取信号、发现脉冲星以及识别不寻常的系外行星。在这个全新的领域中，无数未被探索的应用正在被实验，催生了一系列被称为“人工智能天文学家”的工具。
本文将探讨一项颠覆性的人工智能程序——MoRpheUS。该程序由加州大学圣克鲁兹分校的研究人员开发，能够分析天文图像数据，精准分类星系和恒星。让我们一同进入这个神秘的宇宙空间吧！
人工智能在天文学中的应用：新的空间秩序
正如著名天体物理学家、校际天文学中心主任索马克·雷乔杜里所言：“天文学，这一科学的两个主要分支之一，正在广泛应用人工智能。”
在深入讨论之前，我们需要了解为什么天文学相关工作的自动化如此重要。专业天文学家CaRlo EnRico PetRillo谈到了处理巨量数据时所面临的挑战。他表示：“观察星系图像是我们工作中最浪漫的部分，但问题显而易见。”
同样，MoRpheUS的开发者之一、圣克鲁斯大学的天文学与天体物理学教授布兰特·罗伯逊解释道：“有些事情是人类无法做到的。未来几年内，大型天文测量项目将产生海量数据，因此必须找到使用计算机处理这些数据的方法。”
正是这一核心理念催生了MoRpheUS项目，该项目经历了大约两年的研发。如果依靠人类天文学家来对天体进行分类，他们将需要花费亿万年时间。
而借助MoRpheUS这样的人工智能软件，几乎在瞬间就能精确“捕捉”天体并收集关于星系演化的关键数据。简言之，它让我们得以深入了解宇宙未知的深处，并观察遥远星系中曾存在的天体。美国的星球大战计划也因此获得了新的参考资料。
令人惊讶的是，程序员将NASA哈勃太空望远镜拍摄的10000张星系图像作为训练数据，以更好地训练深度学习系统和算法。
此外，大规模的调查项目，如传统的空间和时间调查(LSST)，将与该项目结合使用，以研究星系的形成与演化。
为了让你了解“LSST”的效果，科学家们表示，它能够使用32亿像素的相机每晚拍摄800多张全景图像，每周两次记录整个可见天空。这种CCD成像相机每晚能产生10兆字节的数据。寻找愿意筛选这些数据的天文学家可不容易，这正是人工智能发挥作用的地方。
深度学习框架如何驱动MoRpheUS
那么，“深度学习”究竟是什么？简单来说，深度学习是机器学习的一个子集，受到人脑启发的人工神经网络算法，通过大量数据进行学习。可以将深度学习视为一种机器，通过重复与人类学习相似的任务来“学习”。每次软件使用深度学习算法时，都会进行小范围的迭代以优化结果。
MoRpheUS同样利用深度学习，并应用计算机视觉算法，根据望远镜输出的原始数据对物体进行分类。它还支持逐像素分类，实现对空间对象的语义分割，不论它们是圆盘、球体还是不规则形状。星系的形态能够帮助天文学家理解星系的形成及其随时间的演变。
简而言之，科学家可以利用语音和图像识别等便利的应用程序，逐像素跟踪星系。
MoRpheUS在天文学中的实际应用
布兰特·罗伯逊表示：“对于其他模型，你必须知道某处存在某个物体，然后将图像提供给模型，它会立刻对整个星系进行分类。MoRpheUS则是逐像素地探索星系，因此能够处理非常复杂的图像，如圆盘星系旁边的球状星系团。对于中心凸起的圆盘星系，它将单独对凸起进行分类，这使得其功能非常强大。”
MoRpheUS的工作步骤如下：
第一步：在加州大学洛杉矶分校的勒克斯超级计算机上运行，处理天空中特定区域的图像。第二步：生成一组新的特定区域图像，并根据物体的形态进行颜色编码。第三步：这些图像帮助我们清晰地识别恒星和不同类型的星系。最终结果是对大量数据进行逐像素的独特分析。
MoRpheUS的优势：360度法
在天文学专家达成一致时，MoRpheUS对不同天体类别的识别准确率达到了82%至98%。
对于有志于成为天体物理学家的研究者，布兰特·罗伯逊和瑞安·豪森教授将首次公开发布MoRpheUS的代码，并提供在线演示，这是系列实验的首次尝试。此外，根据他们的研究论文，使用MoRpheUS深度学习框架的教程也已创建并作为Jupyter笔记本公开发布，提供模型的交互式可视化。
该模型提供天体物体的颗粒检测与形态分类，这在以往是闻所未闻且几乎无法实现的。实际上，该模型能够恢复训练模型时所使用的调查数据中超过98%的星系。它可以自动发现星系并处理复杂图像而不需要人为干预，实现强大的像素级分类。借助这一技术，科学家们有机会全面了解星系的演变，完全消除了人为偏见和错误的干扰。无论是了解星系随时间的演化，还是预测未来发展方向，这个人工智能赋能的程序都是我们探索星系形成的最佳机会。它消除了对源进行假阳性鉴定的可能性，这是天文学领域普遍存在的问题。同时，它还增强了易用性：通过灵活图像传输系统(FITS)，支持天文数据的常用数字格式，使得用户能够轻松处理望远镜图像和数据，享受流畅的使用体验。
即使使用较旧的计算机处理器，AI重力透镜也能在20分钟内检查21789张图像。
根据美国宇航局的一份新闻稿：“新发现的开普勒90i是一颗炙热的岩石行星，每14.4天绕其恒星运行，这是通过谷歌的机器学习技术发现的。”
显然，人工智能在天体物理学中的应用带来了“天文”的回报，重新定义了天体科学领域的创新，揭开了宇宙深处的一些重大谜团。布兰特·罗伯逊强调，人工智能和天体物理学正在迎来有益的集体高潮，他表示：“天文学正处于一场新的数据革命的前沿。”这句话恰如其分地总结了当前的趋势。
随着天文学家们开始利用人工智能发现星系，他们不再需要费力探测、分类、解码空间物体，或寻找新的行星。在21世纪，人工智能超级望远镜将大幅减少他们的工作量。
此外，观星者们也在庆祝，因为人工智能工具为他们重新探索超乎想象的世界提供了无限可能。埃隆·马斯克对此会有何看法呢？
