现在我们一直听说人工智能，但它对天文学有什么作用？很多！
几乎每周都会发表新的研究论文，利用人工智能进行一些新的天文学研究：对星系进行分类、识别太阳耀斑、探索系外行星大气等等。人工智能最大的优势在于，它可以比人类技能更快地对海量数据进行分类，随着新望远镜正在生成越来越多的数据供天文学家处理，这一技能尤其及时。
我们可以使用[人工智能]来解决问题荷兰空间研究所的天文学家兼数据科学家 Daniela Huppenkothen 在《麻省理工学院技术评论》中表示，我们以前无法解决这些问题，因为它们的计算成本太高。
尤其是一台望远镜，让许多天文学家热衷于人工智能：维拉·C·鲁宾天文台 (Vera C. Rubin Observatory) 计划于 2025 年 1 月竣工，距此只有短短几个月的时间。一旦打开，它将在一个名为遗留时空勘测 (LSST) 的项目中，在整整十年中每隔几天对整个夜空进行成像，并在这段时间内生成 60 PB 的数据。
海量数据美国国家科学基金会主任 Sethuraman Panchanathan 在芝加哥大学出版社表示，维拉·C·鲁宾天文台和其他大型天文项目在未来几年将收集的数据量太大、太丰富，无法用现有方法进行充分探索。发布。借助工具箱中可靠且值得信赖的人工智能，从学生到高级研究人员的每个人都将拥有令人兴奋的新方法来获得有价值的见解，从而获得可能隐藏在数据中的惊人发现。
天文学家经常使用特定版本人工智能被称为机器学习。尽管人工智能工具看起来很智能（它们实际上被描述为学习！），但它们实际上只是为了识别模式并在遇到更多数据时改进其结果而构建的算法。对于 LSST，这些算法的一种帮助方法是根据星系的形状对星系进行分类。
传统上，这项任务是由人类目视检查每张图像来完成的，但人眼的能力有限，我们醒着的时间也只有这么多，而且很少有科学家能够完成这一切。机器学习不仅速度更快，而且这些算法可以比人类更精确地定位更小的特征，比如星系边缘的微弱的缕缕，并注意到更微弱的星系。其他天文学家希望使用 AI 和 LSST 比以往更准确地测量到星系的距离，希望能够揭开暗物质的主要谜团。
还有另一个天文台将产生比 LSST 更多的数据：平方公里阵列天文台，是分布在澳大利亚和南非的射电天线和天线的排列。这项技术壮举结合了超过 100,000 个独立探测器的观测结果，每年产生高达 300 PB 的数据，几乎是 LSST 十年内产生的数据的四倍！天文学家计划使用人工智能来搜索该数据集，以获取有关宇宙中最早恒星的更多信息。
人工智能也已经为一些重大发现做出了贡献。由于机器学习算法，事件视界望远镜拍摄的著名的第一张黑洞图像得到了修饰，使图像更加清晰。寻找更小、更像地球的系外行星是一项臭名昭著的挑战，天文学家利用机器学习将行星的信号与其恒星的信号分开。天文学家多年来一直在使用机器学习对称为超新星的爆炸恒星进行分类。
机器学习正在彻底改变我的领域，宾夕法尼亚州立大学天文学家 Joel Leja 说道。每次想到它都让我大吃一惊，它让我们提出新的科学问题。