这浩瀚的宇宙，是否存在类似人类一样的物种？
　　
　　等到太阳逐渐老去，吞噬周围行星，我们该如何逃离？
　　
　　遥远的星际中，哪一处也是我们理想的家园？
　　
　　人类自古就对天空充满好奇，日出月落、满天的星斗到底蕴含着奥秘。圭表、日晷、漏刻、天体仪、浑仪、水运仪象台，人类不断探索天空。
　　
　　而今科学技术的发展，天文望远镜将视野触及到宇宙深处。
　　
　　从1990年到2015年4月，哈勃望远镜在地球轨道上运行了接近13万7千圈，累计54亿公里，执行了120多万次观测任务，观察了超过38,000个天体。平均每个月，哈勃都会产生829G观测数据，累计已超过100T。最远的是距地球130亿光年的原始星系。
　　
　　如果脱离太阳系，这些天体中哪里又是可以满足人类生存的地方。
　　
　　当一个巨大的物体（星系或黑洞）进入远处的光源和地球上的观察者之间时，它会使周围的空间和光线弯曲，从而形成一个透镜，而这些透镜是了解宇宙构成的关键。然而，到目前为止，找到它们一直是缓慢而繁琐的工作。
　　
　　人工智能' target='_blank'>人工智能的协作，大大促进天文研究。
　　
　　正如斯坦福大学教授安德鲁·吴（Andrew Ng）曾经说过的那样，人工智能的能力是能够自动化任何“一个典型的人只能用不到一秒钟的时间做的事情。”不到一秒的时间听起来不那么大思考，但当涉及筛选当代天文学创造的大量数据时，这是天赐之物。
　　
　　天文学家不只是在想这种技术如何对数据进行排序。他们正在探索什么可能是一种全新的科学发现模式，人工智能可以绘制出我们从未见过的宇宙部分。
　　
　　明尼苏达大学天体物理学教授Liliya Williams曾表示，一些天体的发现大都是偶然的。
　　
　　然而对于AI来说，识别图像正是它擅长的那种东西。由数字“神经元”组成的计算机程序，模仿大脑中的神经元，响应输入而激发。为这些程序（称为神经网络）提供大量数据，它们将开始识别模式。他们特别擅长处理视觉信息，并用于为各种机器视觉系统提供动力 - 从自动驾驶汽车的摄像头到Facebook的图片标记面部识别。
　　
　　AI如何在天文领域应用？
　　
　　首先，科学家们制作了一个用于训练神经网络的数据集，这意味着可以生成600万个虚拟图像，显示引力透镜的外观和外观。然后，他们将神经网络放在数据上，使其慢慢识别模式。稍后进行一些微调，他们有一个程序可以在眨眼间识别引力透镜。
　　
　　人类分类
　　
　　一个非常好的人类分类器将以每小时约一千的速度对图像进行分类，每30,000个星系就会找到一个镜头。人类分类器在没有睡眠或休息的情况下工作一周，预计只能找到五到六个镜片。
　　
　　AI分类
　　
　　在比较一般的处理器上，神经网络可以在20分钟内就完成21,789张图像的数据库。为了避免忽视任何镜头，它的参数相当慷慨。它产生了761个可能的候选人，人类检查并削减到56的选择。每分钟大约发现一个镜头，相比之下，整个科学界在过去几十年中发现了大约一百个镜头。
　　
　　找到这些镜头对于理解天文学的一个重大谜团至关重要：宇宙究竟是由什么构成的？我们熟悉的事物（行星，恒星，小行星等）被认为仅占所有物质的5％，而其他更奇怪的物质构成另外95％。这包括一种被称为暗物质的假设物质，我们从未直接观察到它。相反，我们研究它对宇宙其余部分的引力效应，引力透镜作为关键指标之一。
　　
　　其他应用
　　
　　神经网络可以消除射电望远镜造成的人为干扰。
　　
　　还有更多用于识别脉冲星，定位不寻常的系外行星。
　　
　　锐化低分辨率望远镜图像。
　　
　　天文学家Kevin Schawinski和他的团队，专门研究星系和黑洞天体物理学，使用AI来提高模糊望远镜图像的分辨率。为此，他们部署了一种神经网络，擅长生成所研究数据的变化，就像一个训练有素的伪造者，可以模仿着名画家的风格。这些网络，称为生成对抗网络，或GAN，已被用于根据名人的图片创建假面孔 ; 模仿个人声音的假音频对话 ; 以及一系列其他数据类型。
　　
　　研究小组通过降低一系列星系图像的质量，增加了噪点和模糊，然后使用望远镜图像训练的GAN来提高它们的分辨率，并将它们与原始图像进行比较。
　　
　　科学总是谨慎小心，当用GAN来生成有关黑洞的数据，然后将它放在天空的一部分上，以前没有详细观察过。然后，如果它表明那里有一个黑洞，天文学家需要用进行严格和耐心的测试，验证这一结果。
　　
　　大坝云呼叫中心全渠道客服系统