北京時間12月27日消息，據(jù)美國太空網(wǎng)站報道，目前，美國宇航局一份聲明指出，利用機器學習等人工智能技術分析詹姆斯·韋伯太空望遠鏡或者凌日系外行星勘測衛(wèi)星（TESS）的未來勘測數(shù)據(jù)，將幫助天文學家搜尋外星生命，探測地球鄰近小行星。
戈達德太空飛行中心天體生物學家賈達·阿尼（Giada Arney）稱，人工智能技術非常重要，特別是對于勘測系外行星領域的大數(shù)據(jù)集，因為我們從未來的觀測中獲得的數(shù)據(jù)是稀疏和嘈雜的，這真的很難理解，所以使用這些工具有很大的潛力幫助我們。
美國宇航局和英特爾、IBM、谷歌等公司合作，開發(fā)出先進的機器學習技術，每年夏季，美國宇航局會召集科技創(chuàng)新者和天文學家參加名為“前沿發(fā)展實驗室（FDL）”的為期8周研討活動。
戈達德太空飛行中心天體生物學家肖恩·多瑪戈爾-高曼（Shawn Domagal-Goldman）說：“前沿發(fā)展實驗室就像一級音樂家，帶著不同的樂器，在車庫里聚會即興演奏?！?/p>
2018年，高曼和阿尼指導一個FDL研究團隊，該團隊開發(fā)了一種機器學習技術，利用類似大腦的“神經網(wǎng)絡”分析太空圖像，并依據(jù)系外行星大氣層分子釋放或者吸收的光波識別其化學屬性，這種人工智能技術類似于人類大腦神經細胞，能夠處理和傳輸信息。
研究人員使用這種神經網(wǎng)絡技術能夠比傳統(tǒng)方法更準確地識別系外行星WASP-12b的大氣分子多樣性，此外，該技術還能識別何時缺乏充足數(shù)據(jù)，如果我們采用這些預測，將是非常重要的。
研究人員指出，雖然神經網(wǎng)絡技術仍處于研發(fā)階段，但未來有一天可能用于研究望遠鏡收集的數(shù)據(jù)，從而有助于縮小系外行星候選對象的范圍，這些候選對象值得深入研究。
其他FDL技術也獲得了很好的應用，例如：2017年一支研究小組開發(fā)了一個機器學習程序，可在短短4天內創(chuàng)建小行星3D模型，包括它們的大小、形狀和旋轉速度。同時，此類人工智能程序對于探測和偏移威脅地球的潛在小行星尤為重要。
美國宇航局從航天探測器每15分鐘收集大約2千兆字節(jié)數(shù)據(jù)，太陽物理學家Madhulika Guhathakurta表示，這就是為什么需要利用更多的工具進行研究分析。
此外，研究人員建議在未來的太空飛船上使用人工智能技術，便于飛船系統(tǒng)做出實時科學分析，從而節(jié)省飛船與地面科學家溝通所需的時間。
阿尼指出，盡管如此，人工智能技術不會很快取代人類，因為我們還需要檢查最終結果，并在專家研究分析的基礎上獲得結論。
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。