前有阿尔法狗不止会下棋，这次AI真的帮我们找到了第二个“太阳系”

AI会下棋，而且棋艺高超，相信大家都关注了今年5月AlphaGo与中国棋手柯洁的“人机大战”，结果自然是AlphaGo（AI ）所向披靡，以3：0赢下这场大战，让我们见识到人工智能的强大。

现在一个更加令人惊叹的事实是AI的强大绝不是棋艺强过人类，它还帮我们找到了第二个“太阳系”，这可不是我随便说的。

轨道运行概念图

美国东部时间12 月14 日13 时（北京时间15 日凌晨2 点），NASA 举办了一场电话会议，揭开了喧嚣多日的开普勒天文望远镜的“重大发现”，确定了距离地球2545 光年远的开普勒90 星系中的两颗新发现的行星——开普勒80g 和开普勒90i，这是人类发现的首个和我们太阳系一样的具有8 颗行星的星系。

此次新发现有一个最大的亮点，那就是这次的研究成果是与Google ，或者说是谷歌的人工智能技术一起合作完成的。NASA 的科学家使用Google 机器学习来对开普勒数据进行分析，其效率和准确性远超传统的分析方法。据此，NASA 认为Google 的AI 技术将有助于在太阳系外探测到外星生命的迹象。

人工智能大显身手

Google 和得克萨斯大学奥斯丁分校合作，采用机器学习算法对美国宇航局开普勒天文望远镜获取的数据进行分析，并成功地在开普勒-90 星系中找到了一颗新的地外行星，被命名为开普勒-90i。

图：谷歌CEO Sundar Pichai 第一时间在Twitter 上发声

除了“开普勒-90i”，谷歌的人工智能技术还发现了开普勒-80星系的最小行星“开普勒-80g”。

Google 利用开普勒天文望远镜观测到，但已经被美国宇航局标记过（也即用过）的 1.5 万个恒星数据，训练了一个卷积神经网络。训练结果显示，神经网络判别行星的准确率高达 96%。

然后，研究人员把一个 2009 到 2013 年观测到的 670 颗恒星的数据集，给这个神经网络进行处理。

通过微小的特征变化，人工智能给出了它认为这两个星系存在地外行星高可能性的答案。经过研究人员的验证，确认了这两颗新的行星。

接下来研究人员表示还将会继续使用人工智能技术，对开普勒太空望远镜观测到的15万颗恒星的大数据进行分析，如果顺利的话，人工智能还将会再次发现新的行星，并且这些行星有可能存在于比开普勒-90更像太阳系的星系中，或许会有有着更加适宜生命存在的地表环境。

人工智能将推进太空探索

千百年来，人类从未停止过对星辰宇宙的思考和探索，受限于技术，我们对外太空的认识还极为有限。其中，由早期的天文学家确定的第一批天体是行星，希腊人称之为“planētai”或“流浪者”，是它们在夜空中看似不规则的运动最先引起了人们的注意。几个世纪以来的研究帮助人们认识到，像太阳系这样有众多行星围绕一颗恒星的星系在宇宙中并不是唯一的。

随着在望远镜、探测器、大型计算机等技术的帮助下，人类逐渐将我们的观察范围扩展到我们所处的太阳系之外，愈加关注其它恒星周围的行星。而研究这些被称为系外行星的天体有助于我们最深入地探索宇宙的本来面貌。

现在人工智能技术的迅猛发展或许将加速这一进程。我们好奇地球之外还有什么呢？还有类似太阳系中的星体的其它行星吗？或者说，还有和太阳系相似的存在吗？

虽然新的技术有助于寻找新的星体，但寻找系外行星的难度其实非常大。与它们的环绕的恒星相比，系外行星体型较小且不发光——发现它们的难度就像发现几千英里外的探照灯旁边飞来飞去的萤火虫。但借助机器学习，谷歌和NASA 取得了突破。

通常而言，天体物理学家过往寻找系外行星的主要途径是通过自动化软件或人工来对大量产生于开普勒望远镜的数据进行分析。过去四年，开普勒望远镜观察了约20 万颗恒星，每30 分钟拍摄一张照片，创造了约140 亿个数据点。这140 亿个数据点可以转化为大约2 万亿个可能的行星轨道！对于计算能力最强大的计算机来说，这样的分析也是一个浩大的工程，而且会非常耗时。为了让这样的分析过程更快更有效，研究人员们转向了机器学习。

实际上，作为一种训练计算机识别模式的方式，机器学习对于理解大量的数据尤其有用，其关键的亮点在于让计算机“自发”学习，而不是使用特定的编程。

如今人工智能已经介入到了太空探索的领域，机器学习的可能性或许比天空还要广。目前，研究人员只是用此模型探索了20万颗恒星中的670颗。

来自开普勒太空望远镜的数据中可能存在着更多尚未被发现的系外行星，而机器学习等新想法和新技术能够在未来推动天文探索，而人类对于宇宙和自身的了解也将会踏上一个新的台阶。