利用机器学习等人工智能技术分析詹姆斯•韦伯太空望远镜或者凌日系外行星勘测卫星（TESS）的未来勘测数据，将帮助天文学家搜寻外星生命，探测地球邻近小行星。
　　新浪科技讯 北京时间12月27日消息，据美国太空网站报道，目前，美国宇航局一份声明指出，利用机器学习等人工智能技术分析詹姆斯·韦伯太空望远镜或者凌日系外行星勘测卫星（TESS）的未来勘测数据，将帮助天文学家搜寻外星生命，探测地球邻近小行星。

　　戈达德太空飞行中心天体生物学家贾达·阿尼（Giada Arney）称，人工智能技术非常重要，特别是对于勘测系外行星领域的大数据集，因为我们从未来的观测中获得的数据是稀疏和嘈杂的，这真的很难理解，所以使用这些工具有很大的潜力帮助我们。

　　美国宇航局和英特尔、IBM、谷歌等公司合作，开发出先进的机器学习技术，每年夏季，美国宇航局会召集科技创新者和天文学家参加名为“前沿发展实验室（FDL）”的为期8周研讨活动。

　　戈达德太空飞行中心天体生物学家肖恩·多玛戈尔-高曼（Shawn Domagal-Goldman）说：“前沿发展实验室就像一级音乐家，带着不同的乐器，在车库里聚会即兴演奏。”

　　2018年，高曼和阿尼指导一个FDL研究团队，该团队开发了一种机器学习技术，利用类似大脑的“神经网络”分析太空图像，并依据系外行星大气层分子释放或者吸收的光波识别其化学属性，这种人工智能技术类似于人类大脑神经细胞，能够处理和传输信息。

　　研究人员使用这种神经网络技术能够比传统方法更准确地识别系外行星WASP-12b的大气分子多样性，此外，该技术还能识别何时缺乏充足数据，如果我们采用这些预测，将是非常重要的。

　　研究人员指出，虽然神经网络技术仍处于研发阶段，但未来有一天可能用于研究望远镜收集的数据，从而有助于缩小系外行星候选对象的范围，这些候选对象值得深入研究。

　　其他FDL技术也获得了很好的应用，例如：2017年一支研究小组开发了一个机器学习程序，可在短短4天内创建小行星3D模型，包括它们的大小、形状和旋转速度。同时，此类人工智能程序对于探测和偏移威胁地球的潜在小行星尤为重要。

　　美国宇航局从航天探测器每15分钟收集大约2千兆字节数据，太阳物理学家Madhulika Guhathakurta表示，这就是为什么需要利用更多的工具进行研究分析。

　　此外，研究人员建议在未来的太空飞船上使用人工智能技术，便于飞船系统做出实时科学分析，从而节省飞船与地面科学家沟通所需的时间。

　　阿尼指出，尽管如此，人工智能技术不会很快取代人类，因为我们还需要检查最终结果，并在专家研究分析的基础上获得结论。