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星（TESS）的未來勘測數據，將幫助天文學家搜尋外星生命，探測地球鄰近小行星。

新浪科技訊 北京時間12月27日消息，據美國太空網站報道，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星（TESS）的未來勘測數據，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，特別是對於勘測系外行星領域的大數據集，因爲我們從未來的觀測中獲得的數據是稀疏和嘈雜的，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新者和天文學家參加名爲“前沿發展實驗室（FDL）”的爲期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：“前沿發展實驗室就像一級音樂家，帶着不同的樂器，在車庫裏聚會即興演奏。”

2018年，高曼和阿尼指導一個FDL研究團隊，該團隊開發了一種機器學習技術，利用類似大腦的“神經網絡”分析太空圖像，並依據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於人類大腦神經細胞，能夠處理和傳輸信息。

研究人員使用這種神經網絡技術能夠比傳統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據，如果我們採用這些預測，將是非常重要的。

研究人員指出，雖然神經網絡技術仍處於研發階段，但未來有一天可能用於研究望遠鏡收集的數據，從而有助於縮小系外行星候選對象的範圍，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了一個機器學習程序，可在短短4天內創建小行星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於探測和偏移威脅地球的潛在小行星尤爲重要。

美國宇航局從航天探測器每15分鐘收集大約2千兆字節數據，太陽物理學家Madhulika Guhathakurta表示，這就是爲什麼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，便於飛船系統做出實時科學分析，從而節省飛船與地面科學家溝通所需的時間。

阿尼指出，儘管如此，人工智能技術不會很快取代人類，因爲我們還需要檢查最終結果，並在專家研究分析的基礎上獲得結論。（葉傾城）