人工智能机器人训练识别星系

研究人员已经教会了一个人工智能程序来识别脸书上的人脸，以识别深空中的星系。结果是一个名为ClaRAN的人工智能机器人扫描了射电望远镜拍摄的图像。它的工作是发现射电星系——从中心的超大质量黑洞发出强大射电喷流的星系。ClaRAN是大数据专家Chen Wu博士和天文学家Ivy Wong博士的想法，他们都来自西澳大利亚的国际射电天文学研究中心(ICRAR)。

黄博士说，大部分(如果不是全部的话)星系的中心都有黑洞。她说，“这些超大质量黑洞偶尔可以用射电望远镜拍摄到喷流。”“随着时间的推移，喷流可以从它们的主星系延伸很长一段距离，这使得传统的计算机程序很难计算出星系的位置。”这就是我们要教ClaRAN做的事情。“吴博士说，ClaRAN源于微软的开源版本和的物体检测软件。

他说，该计划经过了彻底的改革和训练，可以识别星系而不是人。ClaRAN本身是开源的，可以在GitHub上公开获得。Wong博士说，即将到来的EMU调查将使用位于西澳大利亚的澳大利亚广场千米阵列探测器(ASKAP)望远镜，预计该望远镜将观测宇宙历史上多达7000万个星系。

她说，传统的计算机算法可以正确识别90%的来源。黄博士说，“由于其扩展结构的复杂性，仍有10%，即700万个‘困难’星系必须由人类观测。”黄博士利用公民科学的力量，通过射电星系动物园项目发现星系。“如果ClaRAN将需要视觉分类的光源数量减少到1%，这意味着我们的公民科学家有更多的时间来观察新的星系，”她说。一份由银河动物园志愿者制作的高度精确的目录被用来训练ClaRAN如何发现喷流的起源。

吴博士说，ClaRAN是一种新的范式，叫做“编程2.0”。“你所做的就是建立一个巨大的神经网络，给它大量的数据，让它想出如何调整其内部连接，以产生预期的结果，”他说。“新一代程序员花99%的时间来制作质量最好的数据集，然后训练AI算法来优化剩下的时间。”这是编程的未来。"

黄博士说，ClaRAN对望远镜观测的处理方式有很大的影响。她说：“如果我们能开始在下一代调查中实施这些更先进的方法，我们就能最大限度地利用这些方法。”。“在全新的数据上使用40年前的方法毫无意义，因为我们试图进一步探索宇宙，而不是过去。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！