借助AI和一位天文学家的笔记本电脑，新星系触手可及

{"text":[[{"start":9.81,"text":"在欧洲航天局(European Space Agency)，大卫•奥莱恩(David O'Ryan)和巴布罗•戈麦斯(Pablo Gómez)在过去36年间哈勃太空望远镜(Hubble Space Telescope)传回地球的庞大图像档案中，发现了数百个新的天文天体。"}],[{"start":21.17,"text":"他们使用一个名为AnomalyMatch、经训练用于识别异常模式的神经网络，结果发现了大量星系，其中许多具有天文学家此前通过人工检查哈勃数据时从未见过的奇特形状。"}],[{"start":34.39,"text":"戈麦斯表示：“当然，人们都在关注即将上线的令人振奋的新一代望远镜，但这项工作表明，AI可以提升档案数据集的科学回报。它们是宝库，我们仍然可以在其中发现非常令人兴奋的成果。”"}],[{"start":50.29,"text":"在牛津大学(Oxford university)，物理学家艾洛伊丝•斯特万斯(Héloïse Stevance)带领团队开发了一套基于AI的虚拟研究助手系统。借助这一系统，从每天由Atlas接收到的数百个警报中分辨出由超新星——即垂死恒星的超强爆炸——引发的稀有真实信号时，所需人工“目测”筛选的工作量减少了85%。Atlas是一张由五台地面望远镜组成的网络，用于扫描远方星系中的高能事件。"}],[{"start":78.46000000000001,"text":"“人工核查每天要耗费好几个小时。”斯特万斯说，“多亏了我们的新工具，我们可以把科学家的时间从这些工作中解放出来，用来……创造性地解决问题、追问宇宙本质。这在天体物理学里，就好比有个机器人帮你洗衣服，好让你专心创作艺术！”"}],[{"start":null,"text":"

"}],[{"start":98.77000000000001,"text":"在伯明翰大学(Birmingham university)，从事恒星行为和结构研究的盖伊•戴维斯(Guy Davies)使用AI“模拟器”来帮助解读望远镜观测结果。他表示：“在我做的很多工作中，我们面临的最大挑战与其说是获取数据，不如说是如何足够快速地建立恒星演化模型，以弄清我们在数据中看到的是什么。”"}],[{"start":119.70000000000002,"text":"戴维斯补充说：“我们已经成功地利用一个神经网络来模拟复杂的恒星演化模型。训练过程可能需要数周甚至数月，但一旦训练完成，我们就可以在不到一毫秒的时间内对一个模型进行评估。”"}],[{"start":134.71,"text":"他在伯明翰工作的同事安贾利•皮耶特依赖这些模拟器来研究太阳系外行星的大气层。她表示：“如果我们在系外行星的光谱中看到一个信号，并且能把它归因于某种特定分子，我们就想知道它为什么会在那里。我们希望充分利用光谱中所有细微的信息，把它同我们可以建模的不同具体过程联系起来。要弄清这个‘为什么’，就必须把模型和数据连接起来。”"}],[{"start":null,"text":" "}],[{"start":163.08,"text":"超预算的AI账单；制药业变革；空中交通管制中的AI与信任；聊天机器人与心理健康；工厂机器人全面推进；重写游戏规则；具备自主能力的旅行代理"}],[{"start":176.29000000000002,"text":"这些例子——在科学档案中取得新发现、在新到数据中检测重要信号，以及建立模型来理解观测结果——展示了天文学家在太空和地面新一代望远镜将带来海量数据之际，如何借助AI开展工作。"}],[{"start":191.40000000000003,"text":"最庞大的观测数据洪流将来自位于智利的新维拉•鲁宾天文台(Vera Rubin Observatory)。该台配备了一台口径8.4米的望远镜和一台拥有30亿像素、迄今为止最大的数字相机。未来10年，它将每30秒拍摄一幅图像，绘制出南天超广角、高分辨率的时间推移纪录——正如天文台所说，这是“有史以来最大的一部天文电影”。"}],[{"start":216.26000000000005,"text":"美国国家科学基金会(National Science Foundation, NSF)在芝加哥成立了NSF-西蒙斯天空AI研究所(NSF-Simons AI Institute for the Sky, SKAI Institute)，以开发新的AI工具，用于在鲁宾的观测成果中发现科学“宝藏”。天文学家期待借此发现大量天体，例如小行星和彗星、脉动恒星、超新星爆发以及其他新奇到尚未命名的天体。"}],[{"start":null,"text":" "}],[{"start":237.29000000000005,"text":"在天文学领域，利用AI并不需要超级计算机和高强度处理能力。斯特万斯在谈到自己的“虚拟科研助理”时表示：“令人惊讶的是，其实只需要很少的数据。有了区区1.5万个样本，再加上我这台笔记本电脑的算力，我就能训练出智能算法来完成繁重工作，把原本每天需要人类花上好几个小时的任务实现自动化……在专家的指导下，AI无需庞大的数据集或计算能力，也能彻底改变天文发现的方式。”"}],[{"start":267.90000000000003,"text":"戈麦斯在谈到欧洲航天局利用AI探索哈勃档案的项目时也发表了类似看法。他表示：“我们有一个非常高效的算法，只用一块图形处理器(GPU)，在几天之内就完成了运行。我们并不是在动用十万块图形处理器、消耗吉瓦级能量的那种规模。如果我们选对方法和输入，比如结合专家标注的高效AI工具，我们依然可以保持可持续性。”"}],[{"start":294.48,"text":"总体而言，天文学家使用的是比那些来自Anthropic和OpenAI等公司、令公众着迷的生成式AI和大型语言模型更加专业化的AI工具。"}],[{"start":305.06,"text":"戈麦斯问道：“为了回答天文学中的一个具体问题，你一定要用一个通用系统吗？很多情况下并不需要。”"}],[{"start":313.3,"text":"伯明翰大学的另一位系外行星专家阿莫里•特里奥(Amaury Triaud)表示，尽管天文学家仍在为科研开发和使用各类专用工具，生成式AI将提升他们的工作效率。“例如，它可以帮助我们为观测仪器设计用户界面，与世界各地的同事在线协作，还能在望远镜光学系统上完成精细操作——对准反射镜、调焦并跟踪目标恒星。”"}]],"url":"https://audio.ftcn.net.cn/album/a_1783089357_3410.mp3"}