如果说某一流行语正以狂风骤雨之势席卷各行各业，那必然少不了“人工智能”。但它究竟还是在角落里小范围流行，还是已经获得了广泛的认可、声势浩大呢?
普华永道的数据显示，到2030年，人工智能将影响全球15.7万亿美元的经济。同时，埃森哲声称，“到2035年，人工智能可以使发达国家的经济增长率翻番。”
多年来，“人工智能”一词已经和许多事物联系在一起了。Siri、Alexa、机器人、编码、银行业、电子商务、甚至长生不死。这些只是一部分。这些例子已经彰显人类想象力的广度和宽度。然而，有一个领域相对来说未被探索却同样令人兴奋：人工智能与天文学。
看看这些例子：在日本，科学家们正在开发一种人工智能工具来预测宇宙的结构。还有的科学家们正在使用“智能”AI驱动望远镜对太空中的物体进行分类，从而帮助物理学家编写和检验假设。
美国宇航局(NASA)的詹姆斯韦伯太空望远镜，不久将能让使用者看到宇宙大爆炸后两亿年形成的星系。一批天文学家首次在一项星系合并研究中使用人工智能，来确认星系合并导致了恒星爆发。
越来越多的天文学家正将人工智能作为一种强大的探索工具，提供丰富而复杂的数据、分类星系、筛选数据以获取信号、发现脉冲星、识别不寻常的系外行星等。在这个全新的世界里，有无数未经探索的应用正在被试验，也由此产生了一系列人工智能天文工具，它还有个更好的名字——“人工智能天文学家”。
本文就将讨论一个颠覆性的人工智能程序——Morpheus。它由加州大学圣克鲁兹分校的研究人员开发，可以分析天文图像数据，对星系和恒星分类，精度堪比外科手术。让我们一起进入玄妙的宇宙空间吧!
天文学中的人工智能：一个新的(空间)世界秩序
正如知名天体物理学家，校际天文学中心主任索马克·雷乔杜里(SomakRaychaudhury)所说：“科学的两个主要分支之一——天文学，正广泛使用人工智能。”
在探讨细节之前，我们应该先了解一下为什么需要优先自动化天文学相关工作。Carlo Enrico Petrillo是专业天文学家，他谈到了筛选兆字节和兆字节数据的挑战。他说：“看星系图像是我们工作中最浪漫的部分。问题十分明显。”
同样，Morpheus的开发人员之一，圣克鲁斯大学的天文学和天体物理学教授布兰特·罗伯森(Brant Robertson)解释说：“有些事情是我们人类无法做到的。未来几年内，大型天文测量项目将产生大量数据，必须找到使用计算机来处理这些数据的方法。”
正是这一核心思想催生了Morpheus项目。该项目花费了大约两年的时间才得以实现。如果人类天文学家要完成对空间物体进行分类的任务，他们将花费亿万年。
但借助Morpheus这样的AI软件，不到一秒钟就可以非常精确地“捕捉”物体并收集有关星系演化的关键数据。通俗来说，可以了解宇宙未知空间的深度，并观察很久以前在遥远星系中存在过的物体。美国星球大战计划马上又有参考资料了。
就此项目的投入的精力和研究而言，你会惊讶地发现程序员将NASA哈勃太空望远镜拍摄的10000个星系图像作为弹药，通过拓展来更好地训练深度学习系统和算法。
此外，大规模的调查，如传统的空间和时间调查(LSST)将与该计划结合使用，以了解星系的形成和演化。
为了让你了解“LSST能达到什么样的效果”，科学家们宣称，它能用32亿像素的相机每晚拍摄800多张全景图像，每周两次记录整个可见的天空。这种CCD成像相机每晚能产生10兆字节的数据。想找到那些自愿筛选这些数据的天文学家，我只能说祝你好运——这就是人工智能发挥作用的地方。
“深度学习”框架如何驱动Morpheus
“到2020年初，预计数字宇宙将包含44泽字节数据。到2025年，全球每24小时将创建约463艾字节。”
首先，“深度学习”是什么?简单来说，“深度学习是机器学习的子集之一，即人工神经网络算法受人脑启发，通过大量的数据来学习。” 如果做个类比，可以将深度学习视为通过重复与人类学习获取经验的相同任务来“学习”的机器。通常，每次软件使用深度学习算法时，都会不断进行小迭代以优化结果。
同样，该程序利用深度学习并应用计算机视觉算法，根据望远镜输出的原始数据对物体进行分类。此外，它还支持逐像素分类，并实现了对空间对象的语义分割，而不管它们的形状是圆盘、球体还是不规则大小。历史表明，星系的形态可以让天文学家了解星系是如何形成的，以及它们是如何随时间演化的。
简而言之，科学家可以提取诸如语音和图像识别等方便的应用程序，从而逐像素地跟踪星系。
Morpheus在天文世界中的实际应用
布兰特·罗伯逊说：“对于其他模型，你必须知道有那处存在某种物体，然后给模型一张图像，它会立刻对整个星系进行分类。Morpheus逐像素地为你探索星系，因此它可以处理非常复杂的图像，例如圆盘星系旁边的球状星系团。对于中心凸起的圆盘星系，它将分别对凸起进行分类。所以非常强大。”
下面是Morpheus的工作步骤：
第一步：在加州大学洛杉矶分校的勒克斯超级计算机上运行，处理天空中某个特定区域的图像。 第二步：生成一组新的特定区域图像，并根据对象的形态对它们进行颜色编码。 第三步：这些图像清楚地帮助我们识别恒星和不同类型的星系。 最终结果：获得对大量数据进行逐像素的奇异性分析。
Morpheus的优势：360度法
“当天文学专家就星系分类达成一致时，Morpheus识别不同天体类别的准确率达到了82%至98%。”
为有抱负的天体物理学家提供了无限的深度学习空间：布兰特·罗伯逊(Brant Robertson)和瑞安·豪森(Ryan Hausen)教授将首次公开发布Morpheus代码，并提供在线演示，这是一系列实验的首次尝试。另外，根据他们的研究论文，使用Morpheus深度学习框架的教程已经创建并作为Jupyter笔记本公开发布。这是模型的交互式可视化。
来自哈勃太空望远镜的大圆盘星系的图像
在颗粒对比中，同一区域的Morpheus形态分类。
提供天文物体的颗粒检测和形态分类——这实际上是闻所未闻的，也是不可能人为实现的。实际上，该模型能够恢复用于训练模型的调查数据中存在的超过98%的星系。 自动发现星系并处理复杂图像而无人为干扰，从而实现了强大的像素级分类。 ·提供全面了解星系变革的机会，且没有诸如人为偏见或错误之类的障碍。无论是了解星系随时间演变的方式，还是了解未来发展方向，这个AI赋能的程序都是我们了解纯净星系形成的最佳机会。 消除了对源进行假阳性鉴定的可能，这本是天文学领域的普遍现象。 增加易用性：通过灵活图像传输系统(FITS)，支持天文数据常用数字格式的图像，你可以告别转换望远镜图像和数据，享受顺畅的体验。
即使用古老的计算机处理器，AI重力透镜也能够在20分钟内检查21789张图像。
根据美国宇航局的一份新闻稿：“新发现的开普勒90i是一颗炙热的岩石行星，每14.4天绕其恒星运行一次——这是通过谷歌的机器学习发现的。”
显然，人工智能在天体物理学中的应用提供了“天文”的回报，重新定义了天体科学领域的创新，揭开了宇宙深处最大的一些谜团。布兰特·罗伯逊强调人工智能和天体物理学迎来了有益的集体高潮，他说：“天文学正处于一场新的数据革命的尖端”，没有更合适的总结了。
随着天文学家们开始用人工智能来发现星系，他们不在需要费心费力去探测、分类、解码空间物体，或者寻找新的行星。在21世纪，人工智能超级望远镜可以减少他们的工作。
此外，观星者们也在庆祝，人工智能仪器为他们重新探索超乎想象的世界提供了可能性。埃隆·马斯克会如何评价此事呢?
