AI會下棋，而且棋藝高超，相信大家都關注了今年5月AlphaGo與中國棋手柯潔的“人機大戰”，結果自然是AlphaGo（AI ）所向披靡，以3：0贏下這場大戰，讓我們見識到人工智能的強大。

現在一個更加令人驚嘆的事實是AI的強大絕不是棋藝強過人類，它還幫我們找到了第二個“太陽系”，這可不是我隨便說的。

軌道運行概念圖

美國東部時間12 月14 日13 時（北京時間15 日凌晨2 點），NASA 舉辦了一場電話會議，揭開了喧囂多日的開普勒天文望遠鏡的“重大發現”，確定了距離地球2545 光年遠的開普勒90 星系中的兩顆新發現的行星——開普勒80g 和開普勒90i，這是人類發現的首個和我們太陽系一樣的具有8 顆行星的星系。

此次新發現有一個最大的亮點，那就是這次的研究成果是與Google ，或者說是谷歌的人工智能技術一起合作完成的。NASA 的科學家使用Google 機器學習來對開普勒數據進行分析，其效率和準確性遠超傳統的分析方法。據此，NASA 認為Google 的AI 技術將有助于在太陽系外探測到外星生命的跡象。

人工智能大顯身手

Google 和得克薩斯大學奧斯丁分校合作，采用機器學習算法對美國宇航局開普勒天文望遠鏡獲取的數據進行分析，并成功地在開普勒-90 星系中找到了一顆新的地外行星，被命名為開普勒-90i。

圖：谷歌CEO Sundar Pichai 第一時間在Twitter 上發聲

除了“開普勒-90i”，谷歌的人工智能技術還發現了開普勒-80星系的最小行星“開普勒-80g”。

Google 利用開普勒天文望遠鏡觀測到，但已經被美國宇航局標記過（也即用過）的 1.5 萬個恒星數據，訓練了一個卷積神經網絡。訓練結果顯示，神經網絡判別行星的準確率高達 96%。

然后，研究人員把一個 2009 到 2013 年觀測到的 670 顆恒星的數據集，給這個神經網絡進行處理。

通過微小的特征變化，人工智能給出了它認為這兩個星系存在地外行星高可能性的答案。經過研究人員的驗證，確認了這兩顆新的行星。

接下來研究人員表示還將會繼續使用人工智能技術，對開普勒太空望遠鏡觀測到的15萬顆恒星的大數據進行分析，如果順利的話，人工智能還將會再次發現新的行星，并且這些行星有可能存在于比開普勒-90更像太陽系的星系中，或許會有有著更加適宜生命存在的地表環境。

人工智能將推進太空探索

千百年來，人類從未停止過對星辰宇宙的思考和探索，受限于技術，我們對外太空的認識還極為有限。其中，由早期的天文學家確定的第一批天體是行星，希臘人稱之為“planētai”或“流浪者”，是它們在夜空中看似不規則的運動最先引起了人們的注意。幾個世紀以來的研究幫助人們認識到，像太陽系這樣有眾多行星圍繞一顆恒星的星系在宇宙中并不是唯一的。

隨著在望遠鏡、探測器、大型計算機等技術的幫助下，人類逐漸將我們的觀察范圍擴展到我們所處的太陽系之外，愈加關注其它恒星周圍的行星。而研究這些被稱為系外行星的天體有助于我們最深入地探索宇宙的本來面貌。

現在人工智能技術的迅猛發展或許將加速這一進程。我們好奇地球之外還有什么呢？還有類似太陽系中的星體的其它行星嗎？或者說，還有和太陽系相似的存在嗎？

雖然新的技術有助于尋找新的星體，但尋找系外行星的難度其實非常大。與它們的環繞的恒星相比，系外行星體型較小且不發光——發現它們的難度就像發現幾千英里外的探照燈旁邊飛來飛去的螢火蟲。但借助機器學習，谷歌和NASA 取得了突破。

通常而言，天體物理學家過往尋找系外行星的主要途徑是通過自動化軟件或人工來對大量產生于開普勒望遠鏡的數據進行分析。過去四年，開普勒望遠鏡觀察了約20 萬顆恒星，每30 分鐘拍攝一張照片，創造了約140 億個數據點。這140 億個數據點可以轉化為大約2 萬億個可能的行星軌道！對于計算能力最強大的計算機來說，這樣的分析也是一個浩大的工程，而且會非常耗時。為了讓這樣的分析過程更快更有效，研究人員們轉向了機器學習。

實際上，作為一種訓練計算機識別模式的方式，機器學習對于理解大量的數據尤其有用，其關鍵的亮點在于讓計算機“自發”學習，而不是使用特定的編程。

如今人工智能已經介入到了太空探索的領域，機器學習的可能性或許比天空還要廣。目前，研究人員只是用此模型探索了20萬顆恒星中的670顆。

來自開普勒太空望遠鏡的數據中可能存在著更多尚未被發現的系外行星，而機器學習等新想法和新技術能夠在未來推動天文探索，而人類對于宇宙和自身的了解也將會踏上一個新的臺階。