本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)

 “老兄，快看那東西!”美國海軍飛行員發(fā)現(xiàn)飛行速度驚人的UFO后喊道。2020年4月，美國國防部解密了2004至2005年間海軍飛行員拍攝的三段UFO視頻。這些UFO的飛行速度極快。視頻中這些海軍飛行員的驚嘆聲清晰可聞，他們對快速飛行也略知一二。

“我們還沒有調(diào)查清楚那些飛行物究竟是什么，但即使是對UFO的存在持堅(jiān)定懷疑態(tài)度的人，看過這個視頻后也難免動搖。”

地球很可能不是宇宙中唯一承載生命的天體。銀行系中有半數(shù)以上的類太陽恒星里可能分布著宜居的行星。計(jì)算表明，至少有170億顆恒星可能適合居住。宇宙是如此浩瀚，地球怎么會是唯一存在生命的天體呢?

人工智能早已應(yīng)用于探索外星生命

諸如SETI研究所(地外文明搜索)一類的組織如今正通過分析來自外太空的無線電頻率尋找外星通訊。帶有磁場的天體(例如恒星)可以產(chǎn)生無線電波，技術(shù)驅(qū)動型通訊也是如此，SETI正是在尋找這種通訊。

但為什么始終一無所獲呢?原因是搜索技術(shù)落后，僅僅能完成整項(xiàng)工作的皮毛。SETI名譽(yù)主席吉爾·塔特(Jill Tarter)說，如果將需要搜索的數(shù)據(jù)量比作地球上的海洋，那么當(dāng)下的成就不過是一杯海水。如果僅舀起一杯海水來判斷海洋里是否有魚，可能就會得出海里無魚的結(jié)論。

借助人工智能，我們得以分析海量數(shù)據(jù)

簡而言之，人工智能教會電腦如何學(xué)習(xí)。這種能力十分強(qiáng)大，因?yàn)檫@樣就無需每次都設(shè)計(jì)新的指令程序。“人工智能”實(shí)際上是包括機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺和自然語言處理在內(nèi)的技術(shù)的簡稱。

機(jī)器學(xué)習(xí)是與分析空間數(shù)據(jù)、探索智能生命最為相關(guān)的技術(shù)。機(jī)器學(xué)習(xí)的核心是進(jìn)行大規(guī)模數(shù)據(jù)分類、獲得數(shù)據(jù)模式，從而產(chǎn)生人類無法擁有的洞察力。

更重要的是，人工智能可實(shí)現(xiàn)大規(guī)模自動化操作。通過將人工智能工具與現(xiàn)代計(jì)算機(jī)性能結(jié)合起來，可以處理大量的數(shù)據(jù)，這個數(shù)字遠(yuǎn)遠(yuǎn)超過一支工程師隊(duì)伍幾十年才能完成的目標(biāo)。在人工智能領(lǐng)域，聽取來自太空的無線電波并不需要滿滿一屋子人都帶著耳機(jī)。整項(xiàng)工作基本上都由計(jì)算機(jī)完成。

SETI的艾倫望遠(yuǎn)鏡陣列偵聽外星人談話

部分艾倫望遠(yuǎn)鏡陣列

艾倫望遠(yuǎn)鏡陣列(ATA)的唯一任務(wù)就是尋找外星通訊的證據(jù)。所有望遠(yuǎn)鏡均朝向光年之外的行星系，以確定該區(qū)域的無線電波是否來自技術(shù)通訊。雖然聽起來很簡單，但ATA的功能非常強(qiáng)大，相比之下，其它望遠(yuǎn)鏡都顯得像兒童玩具。

2007年，在微軟聯(lián)合創(chuàng)始人保羅·艾倫(Paul Allen)的支持下，望遠(yuǎn)鏡陣列的各個部分得以組合建成，可以觀察到更廣闊的視野，這使得此陣列能夠捕獲更大范圍的頻率，收集更多的數(shù)據(jù)。

每臺望遠(yuǎn)鏡發(fā)出的無線電信號都被送到控制室，數(shù)字化成1和0，然后組合起來，其工作效果與一臺巨型望遠(yuǎn)鏡相當(dāng)。

利用人工智能分析無線電頻率(尋找外星人)

這是引入人工智能技術(shù)的最初目的。ATA采集到的連續(xù)射頻數(shù)據(jù)流太大，人工無法處理，也很難確定哪些無線電模式異常或具有調(diào)查價(jià)值。其工作難度無異于大海撈針。

神經(jīng)網(wǎng)絡(luò)簡化圖

神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一個分支，可以解決上述問題。神經(jīng)網(wǎng)絡(luò)能夠完成密集度更高的模式識別與任務(wù)分類工作。一個神經(jīng)網(wǎng)絡(luò)模型具有的“處理層”越多，可以處理的任務(wù)就越復(fù)雜。

將ATA采集的無線電波數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析。該模型試圖從無線電波的大量“噪音”中識別通信“信號”。這是在星系層面進(jìn)行模式識別。重復(fù)且結(jié)構(gòu)化的無線電波模式可能意味著通信。換句話說，該模型旨在尋找非常規(guī)現(xiàn)象。

神經(jīng)網(wǎng)絡(luò)模型試圖從大量噪音中分離出信號。

神經(jīng)網(wǎng)絡(luò)首先通過研究一小塊夜空中的無線電頻率來進(jìn)行“學(xué)習(xí)”。從這個較小的數(shù)據(jù)集中，它可以學(xué)習(xí)到什么是“正常”聲音。然后憑此過濾掉較大的射頻數(shù)據(jù)集的背景信號，剩下一些“不正常”的重復(fù)信號或模式。這些剩下的光點(diǎn)可能代表潛在的外星通訊，將被發(fā)送給人類工程師進(jìn)行進(jìn)一步研究。

但這些光點(diǎn)也未必能證明存在外星通訊。它們可能只是模型無法識別的隨機(jī)模式。隨著時(shí)間推移，一旦模型學(xué)習(xí)了這一點(diǎn)，其工作也會更高效。

神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)在于，不需要編寫代碼來告訴系統(tǒng)“正常”是何種狀態(tài)，而只需指示系統(tǒng)將數(shù)據(jù)分類存儲，然后識別出常規(guī)模式，或者異常情況。事實(shí)上，其他行業(yè)已經(jīng)在應(yīng)用類似的神經(jīng)網(wǎng)絡(luò)模型。例如，銀行一直在使用類似的模型來檢測欺詐和洗錢等異常情況。

天文學(xué)領(lǐng)域的其他人工智能應(yīng)用案例

NASA稱，自動駕駛汽車采用的人工智能方法很快就可以用于探測可能與地球相撞的小行星，以及識別類地行星(系外行星)的宜居條件。

NASA前沿發(fā)展實(shí)驗(yàn)室(FDL)的機(jī)器學(xué)習(xí)軟件不僅可以創(chuàng)建附近小行星的3D模型，還可以準(zhǔn)確估計(jì)這些行星的大小、形狀和自轉(zhuǎn)速率。快速計(jì)算出這類信息對于識別對地球有威脅的小行星(以及在未來改變其軌道)至關(guān)重要

在傳統(tǒng)軟件技術(shù)的條件下，天文學(xué)家需要花費(fèi)一到三個月的時(shí)間來分析一顆小行星。而現(xiàn)在的機(jī)器學(xué)習(xí)算法在短短四天內(nèi)就能繪制出一顆小行星的渲染。

不久，神經(jīng)網(wǎng)絡(luò)可能會幫助人類快速識別宜居的系外行星。目前，研究利用望遠(yuǎn)鏡數(shù)據(jù)來分析系外行星大氣中的分子吸收或發(fā)射光波的過程。這種分析可反映出該行星的化學(xué)成分信息，例如大氣中是否含有氧氣。

到目前為止，我們已經(jīng)發(fā)現(xiàn)了數(shù)千顆系外行星，但仍處于起步階段。盡快找到“最宜居”的行星有助于集中精力和資源，避免大海撈針。

FDL團(tuán)隊(duì)與Google Cloud合作開發(fā)了一個神經(jīng)網(wǎng)絡(luò)模型，用以分析2008年發(fā)現(xiàn)的系外行星WASP-12b的大氣成分。神經(jīng)網(wǎng)絡(luò)的性能優(yōu)于基本的機(jī)器學(xué)習(xí)技術(shù)，甚至可以就預(yù)測結(jié)果的確定性進(jìn)行打分。這個重要的特性有助于人們建立起對這些新模型的信任。

未來

為何要將人工智能技術(shù)的應(yīng)用局限于地球呢?在航天器上安裝人工智能軟件，宇航員就可在外太空作出實(shí)時(shí)決策，縮短數(shù)據(jù)傳輸回地球的時(shí)間。假如我們身處《星際迷航》中的困境，我們一定希望宇宙飛船立即與可能存在的外星人聯(lián)系，而不是在等待地球確認(rèn)的過程中慘遭解體。

人工智能也將擴(kuò)大地球上的數(shù)據(jù)處理規(guī)模。據(jù)報(bào)道，NASA每15秒可收集2GB的數(shù)據(jù)，而傳統(tǒng)方法只能處理其中的一小部分。人工智能可以使乏味且耗時(shí)的數(shù)據(jù)處理工作實(shí)現(xiàn)自動化，從而將科學(xué)家們從這些工作中解放出來，全身心投入前沿尖端工作。

人類科學(xué)家不會即刻被人工智能取代，因?yàn)槟壳霸摷夹g(shù)傾向于將強(qiáng)大的計(jì)算能力應(yīng)用于狹義的機(jī)械性任務(wù)，要求聰明才智的任務(wù)仍屬人類工作領(lǐng)域。

同時(shí)，有必要仔細(xì)核查人工智能生成的結(jié)果。科學(xué)家一定不希望前腳剛宣告一顆小行星正逼近地球，后腳卻意識到這是人工智能模型搞錯了。