據美(mei)國(guo)太空網近(jin)日(ri)報道(dao)，美(mei)國(guo)國(guo)家航空航天局（NASA）官員稱，他們希望利用(yong)人工智(zhi)能（例如機器學習(xi)）技術(shu)，分析大型望遠鏡等收集(ji)的(de)數據，從而(er)幫助搜尋(xun)外星(xing)生(sheng)命，并探測對地(di)球(qiu)有潛在威脅的(de)小行(xing)星(xing)。

    NASA已(yi)與(yu)英特爾、IBM和(he)(he)谷(gu)歌等公司(si)合作，開發先進的機器學習技術。每年夏(xia)天，NASA會召集技術和(he)(he)太空創新人(ren)士(shi)，參(can)與(yu)為期8周的“前沿發展實驗(yan)室（FDL）”項目。

    2018年，NASA戈達德太空飛行(xing)(xing)中心天體(ti)生物(wu)學家賈達·阿尼和同(tong)事肖(xiao)恩·多(duo)馬加爾-高德曼(man)指導過(guo)一(yi)(yi)個FDL團(tuan)隊，該團(tuan)隊開(kai)發(fa)(fa)出一(yi)(yi)種機器學習技術(shu)，使用(yong)類似大(da)腦的(de)(de)“神經(jing)(jing)網(wang)絡”來分析系外行(xing)(xing)星的(de)(de)圖(tu)像，并根據(ju)行(xing)(xing)星大(da)氣(qi)(qi)中分子發(fa)(fa)射（或(huo)吸收(shou)）光的(de)(de)波長來識別(bie)該行(xing)(xing)星的(de)(de)化(hua)學性質。這項技術(shu)處理(li)信(xin)息(xi)的(de)(de)方(fang)式(shi)，與大(da)腦神經(jing)(jing)元(yuan)之間彼此(ci)連接處理(li)和傳輸(shu)信(xin)息(xi)的(de)(de)方(fang)式(shi)如(ru)出一(yi)(yi)轍。結果(guo)表明，借助這一(yi)(yi)神經(jing)(jing)網(wang)絡技術(shu)，研(yan)究人員能鑒別(bie)出系外行(xing)(xing)星“WASP-12b”大(da)氣(qi)(qi)中各種分子的(de)(de)豐度，而且(qie)比用(yong)傳統方(fang)法更準確。

    研究(jiu)人員表示，盡(jin)管他們的神經(jing)網絡技術仍處于(yu)發展階段，但有朝一日可(ke)用(yong)于(yu)研究(jiu)未來望遠鏡收集的數據(ju)，幫助(zhu)篩選值得(de)進一步研究(jiu)的系外(wai)行星(xing)。阿尼說：“未來我(wo)們獲得(de)的數據(ju)可(ke)能非(fei)常龐雜(za)，很難(nan)理解，AI工具有望讓(rang)我(wo)們受(shou)益(yi)。”

    此外，另一團隊2017年開發出一款機器學習程(cheng)序(xu)，可在短(duan)(duan)短(duan)(duan)4天內創建(jian)小行星的三維模型(xing)，包括其大小、形狀和旋轉速度。研究(jiu)人員稱(cheng)，這類程(cheng)序(xu)尤(you)為重要，可以(yi)從地球(qiu)上探測可能威脅地球(qiu)的小行星。

    NASA官員稱，該機構的航(hang)天器每(mei)15秒就可提供(gong)約2GB數據(ju)，但“限于人(ren)力、時間和資(zi)源，我們只能分(fen)(fen)析少部分(fen)(fen)數據(ju)，人(ren)工(gong)智(zhi)能可在(zai)這一領域(yu)大(da)顯身(shen)手(shou)，助我們一臂(bei)之力。”

    研究人員還建議，將(jiang)AI技術(shu)集成于未(wei)來(lai)的(de)航天(tian)器(qi)(qi)內(nei)，使航天(tian)器(qi)(qi)能實時做出科學決(jue)策，從而節省航天(tian)器(qi)(qi)與地面通信的(de)時間。當然，阿尼也強(qiang)調，上(shang)述AI工具不會很快取(qu)代人類(lei)，因為仍需(xu)對結果進行核(he)查。