天文学家正在使用机器学习和人工智能作为跨领域发现的有力工具

天文学有丰富的数据收集和记录的历史。大多数古代文明发展了自己的天文学版本，其中主要的太阳和天体事件被用来建立日历，支持导航，并发挥了强大的文化和精神作用。口头传统，如澳大利亚土著人使用的口头传统，保存了数千年的天文信息。包括巨石阵、秘鲁基洛山第13塔和埃及各种寺庙在内的建筑奇观，都与冬至升起或落下的位置密切相关。这些证明了对太阳每年沿地平线运动的深刻理解，这可能需要几十年甚至几个世纪来确定、监测和记录。

快进几千年，今天的天文学家使用各种望远镜和粒子探测器来收集关于天体的数据。这些观测为天文学家提供了无数天文现象的位置、大小、质量和化学成分的信息，如行星、恒星、脉冲星、黑洞和星系。通过使用计算机模拟，我们可以更多地了解宇宙，并为建模、预测和分析观测数据生成更多的数据。

通过访问数据集，数据集的大小以PB为单位，很快就会以EB为单位。天文学家已经转向机器学习(示例学习的自动化过程)和人工智能或AI(通常需要人类智能来做出决定或发现的计算机)来帮助过滤数据。

在发表在Wires Data Mining and Knowledge Discovery上的一项新研究中，Swinburne Technology大学的Christopher Fluke教授和Colin Jacobs博士调查了机器学习和AI在天文学中的影响和成熟度。福禄克说：“通过检查过去两年的广泛研究工作，很明显天文学家正在使用机器学习和人工智能作为强大的跨学科发现工具。”无论是在其他恒星周围寻找新的行星，还是寻找只能看到几秒钟的短命物体，或者预测太阳活动的变化，机器学习和人工智能都为天文学家提供了发现、预测和发展新的科学见解的新方法。'

随着更成熟的方法(包括人工神经网络和深度神经网络)，一些新兴技术如先天拮抗网络(GAN)也被天文学家采用。在这些技术中，神经网络相互竞争，以产生与真实数据难以区分的结果。福禄克指出：“甘可以帮助填补观察中的一些缺失信息，或者显著减少运行详细计算机模拟所需的时间。”

随着人工智能和机器学习的加速，人类和自动模式识别的差距正在缩小。越来越多的劳动密集型和以人为中心的任务和流程已被更快的自动化处理所取代。机器学习和人工智能技术的采用正在推动天文学家探索未来发现过程的方式发生根本性变化。

“不一定非此即彼，”福禄克说。“随着我们对使用机器学习和人工智能的信心增加，最令人兴奋的前景是，随着我们继续探索宇宙并揭示其秘密，人类和机器将如何更有效地合作。”