“老兄，快看那東西！”美國(guó)海軍飛行員發(fā)現(xiàn)飛行速度驚人的UFO后喊道。2020年4月，美國(guó)國(guó)防部解密了2004至2005年間海軍飛行員拍攝的三段UFO視頻。這些UFO的飛行速度極快。視頻中這些海軍飛行員的驚嘆聲清晰可聞，他們對(duì)快速飛行也略知一二。

“我們還沒(méi)有調(diào)查清楚那些飛行物究竟是什么，但即使是對(duì)UFO的存在持堅(jiān)定懷疑態(tài)度的人，看過(guò)這個(gè)視頻后也難免動(dòng)搖。”

地球很可能不是宇宙中唯一承載生命的天體。銀行系中有半數(shù)以上的類太陽(yáng)恒星里可能分布著宜居的行星。計(jì)算表明，至少有170億顆恒星可能適合居住。宇宙是如此浩瀚，地球怎么會(huì)是唯一存在生命的天體呢？

人工智能早已應(yīng)用于探索外星生命

諸如SETI研究所（地外文明搜索）一類的組織如今正通過(guò)分析來(lái)自外太空的無(wú)線電頻率尋找外星通訊。帶有磁場(chǎng)的天體（例如恒星）可以產(chǎn)生無(wú)線電波，技術(shù)驅(qū)動(dòng)型通訊也是如此，SETI正是在尋找這種通訊。

但為什么始終一無(wú)所獲呢？原因是搜索技術(shù)落后，僅僅能完成整項(xiàng)工作的皮毛。SETI名譽(yù)主席吉爾·塔特（Jill Tarter）說(shuō)，如果將需要搜索的數(shù)據(jù)量比作地球上的海洋，那么當(dāng)下的成就不過(guò)是一杯海水。如果僅舀起一杯海水來(lái)判斷海洋里是否有魚(yú)，可能就會(huì)得出海里無(wú)魚(yú)的結(jié)論。

借助人工智能，我們得以分析海量數(shù)據(jù)

簡(jiǎn)而言之，人工智能教會(huì)電腦如何學(xué)習(xí)。這種能力十分強(qiáng)大，因?yàn)檫@樣就無(wú)需每次都設(shè)計(jì)新的指令程序?！叭斯ぶ悄堋睂?shí)際上是包括機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理在內(nèi)的技術(shù)的簡(jiǎn)稱。

機(jī)器學(xué)習(xí)是與分析空間數(shù)據(jù)、探索智能生命最為相關(guān)的技術(shù)。機(jī)器學(xué)習(xí)的核心是進(jìn)行大規(guī)模數(shù)據(jù)分類、獲得數(shù)據(jù)模式，從而產(chǎn)生人類無(wú)法擁有的洞察力。

更重要的是，人工智能可實(shí)現(xiàn)大規(guī)模自動(dòng)化操作。通過(guò)將人工智能工具與現(xiàn)代計(jì)算機(jī)性能結(jié)合起來(lái)，可以處理大量的數(shù)據(jù)，這個(gè)數(shù)字遠(yuǎn)遠(yuǎn)超過(guò)一支工程師隊(duì)伍幾十年才能完成的目標(biāo)。在人工智能領(lǐng)域，聽(tīng)取來(lái)自太空的無(wú)線電波并不需要滿滿一屋子人都帶著耳機(jī)。整項(xiàng)工作基本上都由計(jì)算機(jī)完成。

SETI的艾倫望遠(yuǎn)鏡陣列偵聽(tīng)外星人談話

部分艾倫望遠(yuǎn)鏡陣列

艾倫望遠(yuǎn)鏡陣列（ATA）的唯一任務(wù)就是尋找外星通訊的證據(jù)。所有望遠(yuǎn)鏡均朝向光年之外的行星系，以確定該區(qū)域的無(wú)線電波是否來(lái)自技術(shù)通訊。雖然聽(tīng)起來(lái)很簡(jiǎn)單，但ATA的功能非常強(qiáng)大，相比之下，其它望遠(yuǎn)鏡都顯得像兒童玩具。

2007年，在微軟聯(lián)合創(chuàng)始人保羅·艾倫（Paul Allen）的支持下，望遠(yuǎn)鏡陣列的各個(gè)部分得以組合建成，可以觀察到更廣闊的視野，這使得此陣列能夠捕獲更大范圍的頻率，收集更多的數(shù)據(jù)。

每臺(tái)望遠(yuǎn)鏡發(fā)出的無(wú)線電信號(hào)都被送到控制室，數(shù)字化成1和0，然后組合起來(lái)，其工作效果與一臺(tái)巨型望遠(yuǎn)鏡相當(dāng)。

利用人工智能分析無(wú)線電頻率（尋找外星人）

這是引入人工智能技術(shù)的最初目的。ATA采集到的連續(xù)射頻數(shù)據(jù)流太大，人工無(wú)法處理，也很難確定哪些無(wú)線電模式異常或具有調(diào)查價(jià)值。其工作難度無(wú)異于大海撈針。

神經(jīng)網(wǎng)絡(luò)簡(jiǎn)化圖

神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一個(gè)分支，可以解決上述問(wèn)題。神經(jīng)網(wǎng)絡(luò)能夠完成密集度更高的模式識(shí)別與任務(wù)分類工作。一個(gè)神經(jīng)網(wǎng)絡(luò)模型具有的“處理層”越多，可以處理的任務(wù)就越復(fù)雜。

將ATA采集的無(wú)線電波數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析。該模型試圖從無(wú)線電波的大量“噪音”中識(shí)別通信“信號(hào)”。這是在星系層面進(jìn)行模式識(shí)別。重復(fù)且結(jié)構(gòu)化的無(wú)線電波模式可能意味著通信。換句話說(shuō)，該模型旨在尋找非常規(guī)現(xiàn)象。

神經(jīng)網(wǎng)絡(luò)模型試圖從大量噪音中分離出信號(hào)。

神經(jīng)網(wǎng)絡(luò)首先通過(guò)研究一小塊夜空中的無(wú)線電頻率來(lái)進(jìn)行“學(xué)習(xí)”。從這個(gè)較小的數(shù)據(jù)集中，它可以學(xué)習(xí)到什么是“正常”聲音。然后憑此過(guò)濾掉較大的射頻數(shù)據(jù)集的背景信號(hào)，剩下一些“不正?！钡闹貜?fù)信號(hào)或模式。這些剩下的光點(diǎn)可能代表潛在的外星通訊，將被發(fā)送給人類工程師進(jìn)行進(jìn)一步研究。

但這些光點(diǎn)也未必能證明存在外星通訊。它們可能只是模型無(wú)法識(shí)別的隨機(jī)模式。隨著時(shí)間推移，一旦模型學(xué)習(xí)了這一點(diǎn)，其工作也會(huì)更高效。

神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)在于，不需要編寫代碼來(lái)告訴系統(tǒng)“正?！笔呛畏N狀態(tài)，而只需指示系統(tǒng)將數(shù)據(jù)分類存儲(chǔ)，然后識(shí)別出常規(guī)模式，或者異常情況。事實(shí)上，其他行業(yè)已經(jīng)在應(yīng)用類似的神經(jīng)網(wǎng)絡(luò)模型。例如，銀行一直在使用類似的模型來(lái)檢測(cè)欺詐和洗錢等異常情況。

天文學(xué)領(lǐng)域的其他人工智能應(yīng)用案例

NASA稱，自動(dòng)駕駛汽車采用的人工智能方法很快就可以用于探測(cè)可能與地球相撞的小行星，以及識(shí)別類地行星（系外行星）的宜居條件。

NASA前沿發(fā)展實(shí)驗(yàn)室（FDL）的機(jī)器學(xué)習(xí)軟件不僅可以創(chuàng)建附近小行星的3D模型，還可以準(zhǔn)確估計(jì)這些行星的大小、形狀和自轉(zhuǎn)速率?？焖儆?jì)算出這類信息對(duì)于識(shí)別對(duì)地球有威脅的小行星（以及在未來(lái)改變其軌道）至關(guān)重要

在傳統(tǒng)軟件技術(shù)的條件下，天文學(xué)家需要花費(fèi)一到三個(gè)月的時(shí)間來(lái)分析一顆小行星。而現(xiàn)在的機(jī)器學(xué)習(xí)算法在短短四天內(nèi)就能繪制出一顆小行星的渲染。

不久，神經(jīng)網(wǎng)絡(luò)可能會(huì)幫助人類快速識(shí)別宜居的系外行星。目前，研究利用望遠(yuǎn)鏡數(shù)據(jù)來(lái)分析系外行星大氣中的分子吸收或發(fā)射光波的過(guò)程。這種分析可反映出該行星的化學(xué)成分信息，例如大氣中是否含有氧氣。

到目前為止，我們已經(jīng)發(fā)現(xiàn)了數(shù)千顆系外行星，但仍處于起步階段。盡快找到“最宜居”的行星有助于集中精力和資源，避免大海撈針。

FDL團(tuán)隊(duì)與Google Cloud合作開(kāi)發(fā)了一個(gè)神經(jīng)網(wǎng)絡(luò)模型，用以分析2008年發(fā)現(xiàn)的系外行星WASP-12b的大氣成分。神經(jīng)網(wǎng)絡(luò)的性能優(yōu)于基本的機(jī)器學(xué)習(xí)技術(shù)，甚至可以就預(yù)測(cè)結(jié)果的確定性進(jìn)行打分。這個(gè)重要的特性有助于人們建立起對(duì)這些新模型的信任。

未來(lái)

為何要將人工智能技術(shù)的應(yīng)用局限于地球呢？在航天器上安裝人工智能軟件，宇航員就可在外太空作出實(shí)時(shí)決策，縮短數(shù)據(jù)傳輸回地球的時(shí)間。假如我們身處《星際迷航》中的困境，我們一定希望宇宙飛船立即與可能存在的外星人聯(lián)系，而不是在等待地球確認(rèn)的過(guò)程中慘遭解體。

人工智能也將擴(kuò)大地球上的數(shù)據(jù)處理規(guī)模。據(jù)報(bào)道，NASA每15秒可收集2GB的數(shù)據(jù)，而傳統(tǒng)方法只能處理其中的一小部分。人工智能可以使乏味且耗時(shí)的數(shù)據(jù)處理工作實(shí)現(xiàn)自動(dòng)化，從而將科學(xué)家們從這些工作中解放出來(lái)，全身心投入前沿尖端工作。

人類科學(xué)家不會(huì)即刻被人工智能取代，因?yàn)槟壳霸摷夹g(shù)傾向于將強(qiáng)大的計(jì)算能力應(yīng)用于狹義的機(jī)械性任務(wù)，要求聰明才智的任務(wù)仍屬人類工作領(lǐng)域。

同時(shí)，有必要仔細(xì)核查人工智能生成的結(jié)果?？茖W(xué)家一定不希望前腳剛宣告一顆小行星正逼近地球，后腳卻意識(shí)到這是人工智能模型搞錯(cuò)了。
責(zé)編AJX