千百年來(lái)，人類(lèi)對(duì)于宇宙一直抱有極大的好奇心。仰望天空，你會(huì)不禁感嘆宇宙之大，那里有太多的東西需要人們?nèi)ヌ剿骱桶l(fā)現(xiàn)。浩瀚宇宙，美麗如斯，宇宙學(xué)家和天體物理學(xué)家都在盡力揭開(kāi)宇宙的神秘面紗。

人類(lèi)的好奇心源自于未知。衛(wèi)星每年傳送下來(lái)數(shù)百兆字節(jié)的信息，智利正在建設(shè)的一臺(tái)望遠(yuǎn)鏡每晚將產(chǎn)生15兆字節(jié)的太空?qǐng)D片。現(xiàn)代望遠(yuǎn)鏡掃射的面積廣，覆蓋的距離長(zhǎng)，但這還不夠。宇宙過(guò)于龐大，人們目前的覆蓋范圍還不理想。

在技術(shù)有限、預(yù)算不足以購(gòu)買(mǎi)大型宇宙飛船和更好的設(shè)備的情況下，我們?nèi)绾尾拍軐?shí)現(xiàn)探索宇宙的目標(biāo)？人工智能可以解決這個(gè)問(wèn)題嗎？是的，人工智能就像是黑暗宇宙中的明星，它很可能是解決復(fù)雜問(wèn)題、征服宇宙奧秘的優(yōu)秀方案。

隨著人工智能在數(shù)據(jù)科學(xué)、探索性數(shù)據(jù)分析和計(jì)算機(jī)視覺(jué)等領(lǐng)域的技術(shù)進(jìn)步，我們?nèi)〉昧顺跸胂蟮某晒?/p>

自我們開(kāi)始用望遠(yuǎn)鏡對(duì)話以來(lái)，人工智能成為了解決遠(yuǎn)距離圖像清晰度問(wèn)題的優(yōu)秀方案，特別是在計(jì)算機(jī)視覺(jué)和深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域，其處理圖像的能力非常厲害。基于這些發(fā)展，我們可以創(chuàng)造出許多清晰的視覺(jué)效果，識(shí)別如何重建這些模糊的圖像以創(chuàng)造更多的副本，還可以確定這些神經(jīng)網(wǎng)絡(luò)所產(chǎn)生的這些非常有效的圖像的真陽(yáng)率和假陽(yáng)率。

將這項(xiàng)技術(shù)應(yīng)用于尋找引力透鏡的過(guò)程極其簡(jiǎn)單。首先，科學(xué)家們創(chuàng)建一個(gè)數(shù)據(jù)集來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，即生成600萬(wàn)張假圖像，顯示引力透鏡的樣子。然后，他們把數(shù)據(jù)放到神經(jīng)網(wǎng)絡(luò)中，讓它慢慢識(shí)別。稍作調(diào)整后，他們很快就能有一個(gè)可識(shí)別引力透鏡的程序。

用計(jì)算機(jī)模擬進(jìn)行解讀和數(shù)字化，設(shè)計(jì)出清晰的畫(huà)面來(lái)表示宇宙中的數(shù)十億物體，一直是科學(xué)家們實(shí)驗(yàn)的概念和理論哲學(xué)，但都進(jìn)展寥寥。人工智能顯然改變了這一現(xiàn)狀。這要?dú)w功于那些開(kāi)發(fā)了名為“深度密度位移模型”（D3M）的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的研究人員。

D3M從一組預(yù)處理數(shù)值模擬中學(xué)習(xí)，利用基于微擾理論的分析近似方法（Zel‘dovichApproximation）來(lái)預(yù)測(cè)宇宙的非線性大尺度結(jié)構(gòu)，以此來(lái)作為輸入。大量分析表明，D3M在預(yù)測(cè)非線性體系中的宇宙結(jié)構(gòu)方面優(yōu)于常用的快速近似模擬方法——二階微擾理論（2LPT）。D3M還能準(zhǔn)確推斷出遠(yuǎn)超其訓(xùn)練數(shù)據(jù)的數(shù)據(jù)，并預(yù)測(cè)結(jié)構(gòu)形成明顯不同的宇宙學(xué)參數(shù)。

這個(gè)模型的構(gòu)建對(duì)天體物理學(xué)家以及特殊設(shè)計(jì)的創(chuàng)造者來(lái)說(shuō)，都可謂是個(gè)奇跡。它的精確度和響應(yīng)速度遠(yuǎn)遠(yuǎn)超出了開(kāi)發(fā)者的想象。D3M產(chǎn)生的模擬結(jié)果非常精確，甚至對(duì)整個(gè)宇宙進(jìn)行了三維模擬。

人工智能的進(jìn)步不僅僅局限于使用望遠(yuǎn)鏡進(jìn)行圖像分割或模擬整個(gè)宇宙。宇航員在太空中生存、前往月球和其他太空探險(xiǎn)都很艱難。對(duì)此，人工智能也有辦法，那就是使用人工智能巡視器和機(jī)器人設(shè)備。

先進(jìn)的現(xiàn)代人工智能機(jī)器人漫游車(chē)可替代天文學(xué)家在外太空的角色。火星漫步者就是一個(gè)例子，將先進(jìn)的人工智能系統(tǒng)與衛(wèi)星、機(jī)器人漫游車(chē)和宇宙飛船相連接，其中的益處遠(yuǎn)遠(yuǎn)超過(guò)我們的想象。

火星漫步者的智能數(shù)據(jù)傳輸軟件沒(méi)有了人為的調(diào)度錯(cuò)誤，避免丟失寶貴的數(shù)據(jù)，增加了來(lái)自行星鄰居的有效數(shù)據(jù)。同樣的技術(shù)也可以用于探索太陽(yáng)系的長(zhǎng)期任務(wù)，這將最大程度減少人類(lèi)對(duì)它們的監(jiān)督。

人工智能技術(shù)的機(jī)器人作為一個(gè)整體，包含了更多的內(nèi)容。從勇探人類(lèi)禁區(qū)的機(jī)器人到自主航天器和群體智能，現(xiàn)在人工智能在太空中的應(yīng)用變得很廣泛。包括衛(wèi)星圖像的分析方式，超大星座的管理，甚至是尋找太陽(yáng)系外行星，都因?yàn)椴捎昧巳斯ぶ悄芏兊酶尤菀住?/p>

最后一個(gè)要討論的話題是人工智能領(lǐng)域的重大新進(jìn)展，這或許可以成為最重大、最特殊的發(fā)現(xiàn)。這個(gè)概念可以啟發(fā)我們了解宇宙的最重要的結(jié)構(gòu)、設(shè)計(jì)和能力。歡迎新人工智能——“暗模擬器”。

有一個(gè)概念一直困惑著幾代科學(xué)家，讓他們摸不著頭腦，那就是暗物質(zhì)背后的理論。了解它不僅可以揭開(kāi)整個(gè)宇宙結(jié)構(gòu)的秘密，還有現(xiàn)代物理學(xué)概念的假說(shuō)和復(fù)雜的區(qū)別，都可能通過(guò)對(duì)暗物質(zhì)或暗能量的詳細(xì)研究和突破得到答案。暗模擬器AI可以成為解決天體物理學(xué)家問(wèn)題的最佳工具。

其主要作者Nishimichi說(shuō)：“我們以前用超級(jí)計(jì)算機(jī)要花三年時(shí)間才能建起一個(gè)巨大的數(shù)據(jù)庫(kù)，但現(xiàn)在只需幾秒鐘就可以在筆記本電腦上新建一個(gè)。我覺(jué)得數(shù)據(jù)科學(xué)的潛力巨大。利用該成果，或許我們可以朝著揭開(kāi)現(xiàn)代物理學(xué)最大的謎團(tuán)——發(fā)現(xiàn)暗能量秘密。我還認(rèn)為我們開(kāi)發(fā)的這種方法在其他領(lǐng)域也有用，比如自然科學(xué)或社會(huì)科學(xué)。”

暗模擬器從現(xiàn)有的數(shù)據(jù)中學(xué)習(xí)并創(chuàng)建多個(gè)虛擬宇宙，并不斷從這些虛擬宇宙中反復(fù)學(xué)習(xí)。在用真實(shí)的調(diào)查進(jìn)一步測(cè)試所產(chǎn)生的工具后，它能夠在幾秒鐘內(nèi)成功預(yù)測(cè)Hyper Suprime-Cam勘測(cè)中的弱引力透鏡效應(yīng)，以及Sloan Digital Sky調(diào)查中記錄的三維星系分布模式，準(zhǔn)確率在2-3%之間。相比之下，在沒(méi)有人工智能的情況下，通過(guò)超級(jí)計(jì)算機(jī)單獨(dú)運(yùn)行模擬需要好幾天的時(shí)間。

利用各種人工智能工具和技術(shù)來(lái)解釋浩瀚宇宙具有巨大的潛力。在遙遠(yuǎn)的未來(lái)，關(guān)于宇宙的謎團(tuán)、悖論和秘密將一一公開(kāi)，我們將對(duì)各種謎團(tuán)有一個(gè)清晰的認(rèn)知，或者至少有簡(jiǎn)單的方法來(lái)探索、檢驗(yàn)和預(yù)想宇宙的永恒。

隨著圖形處理單元和自動(dòng)化機(jī)械化的快速、持續(xù)發(fā)展，以及GANs等深度學(xué)習(xí)算法的演進(jìn)，人類(lèi)清晰認(rèn)識(shí)到世界是如何誕生的那一天也許并不遙遠(yuǎn)。當(dāng)你讀到Elon Musk的這句話時(shí)，所有這些耐人尋味的好奇念頭都會(huì)進(jìn)一步被提出來(lái)。

正如馬斯克所說(shuō)：“人工智能（我指的不是狹義的人工智能）的進(jìn)步速度快得驚人。除非你直接接觸過(guò)像Deepmind這樣的團(tuán)隊(duì)，否則你根本不知道其速度有多快——接近以指數(shù)增長(zhǎng)。將會(huì)在5年時(shí)間內(nèi)發(fā)生極其危險(xiǎn)的事件，最多10年。”

好奇、神秘和陌生，這是關(guān)于人類(lèi)與宇宙間故事的優(yōu)秀注解。
責(zé)任編輯：YYX