據美國太空(kong)網(wang)近日(ri)報道(dao)，美國國家航空(kong)航天局（NASA）官(guan)員(yuan)稱，他們希望(wang)利用(yong)人工智能(neng)（例如機器學習）技術(shu)，分析大型望(wang)遠鏡(jing)等收集的數據，從而幫助搜(sou)尋(xun)外星生命(ming)，并探測對地球(qiu)有潛(qian)在(zai)威脅的小(xiao)行(xing)星。

    NASA已(yi)與英特爾、IBM和谷(gu)歌等公司合作，開(kai)發先(xian)進的(de)機器學習技術。每年(nian)夏天，NASA會召(zhao)集技術和太空創新人士，參與為期8周的(de)“前沿發展(zhan)實驗(yan)室(shi)（FDL）”項目。

    2018年，NASA戈達德(de)太空(kong)飛(fei)行中心天體生物學家賈達·阿(a)尼和同事肖(xiao)恩·多馬加爾-高德(de)曼指導過一個FDL團(tuan)(tuan)隊(dui)，該團(tuan)(tuan)隊(dui)開發(fa)出(chu)一種機器(qi)學習(xi)技術，使用類似大腦的“神(shen)經(jing)網(wang)絡”來(lai)分析系外行星(xing)(xing)的圖像，并根據行星(xing)(xing)大氣中分子發(fa)射（或吸(xi)收）光(guang)的波(bo)長(chang)來(lai)識(shi)別(bie)該行星(xing)(xing)的化學性質。這項技術處(chu)(chu)理信息的方式，與(yu)大腦神(shen)經(jing)元之(zhi)間彼此連(lian)接處(chu)(chu)理和傳(chuan)輸信息的方式如出(chu)一轍。結果表明，借(jie)助這一神(shen)經(jing)網(wang)絡技術，研究人員能鑒別(bie)出(chu)系外行星(xing)(xing)“WASP-12b”大氣中各種分子的豐(feng)度(du)，而且(qie)比用傳(chuan)統(tong)方法(fa)更(geng)準確(que)。

    研究(jiu)人員表(biao)示，盡(jin)管他(ta)們的(de)神經網絡技術(shu)仍處于發展階段，但有朝一(yi)日可用于研究(jiu)未來望遠(yuan)鏡(jing)收集的(de)數據，幫助(zhu)篩選(xuan)值得進一(yi)步研究(jiu)的(de)系外行(xing)星。阿尼說(shuo)：“未來我們獲(huo)得的(de)數據可能(neng)非常龐雜，很難理(li)解，AI工具有望讓我們受益。”

    此外，另一團隊2017年開(kai)發(fa)出一款機器(qi)學習程序，可在短短4天內創(chuang)建小行星(xing)的(de)(de)三維(wei)模(mo)型，包(bao)括其大小、形狀和(he)旋(xuan)轉速(su)度(du)。研究(jiu)人員(yuan)稱，這(zhe)類程序尤為重要，可以從地球上探測可能威脅地球的(de)(de)小行星(xing)。

    NASA官員稱，該機構的(de)航天器每15秒就可(ke)提供(gong)約2GB數據，但“限于(yu)人力、時(shi)間和(he)資源(yuan)，我(wo)們(men)只(zhi)能(neng)分析(xi)少部分數據，人工(gong)智(zhi)能(neng)可(ke)在(zai)這一(yi)領(ling)域大(da)顯身手，助我(wo)們(men)一(yi)臂之力。”

    研(yan)究人(ren)員還建議，將AI技術集成于未來的航(hang)天(tian)器內(nei)，使(shi)航(hang)天(tian)器能(neng)實(shi)時(shi)做出科學決策，從(cong)而節(jie)省航(hang)天(tian)器與(yu)地(di)面通(tong)信(xin)的時(shi)間。當然，阿尼也強調，上(shang)述AI工具不(bu)會(hui)很(hen)快(kuai)取代人(ren)類(lei)，因為(wei)仍(reng)需對結果(guo)進行核查。