在古巴比伦尼亚，观星者精心记录夜空，将他们的观察记录在石板上，以记录最微妙的天体运动。
他们的观察和其他古代文明一起，为约翰尼斯·开普勒这样的名人奠定了基础。开普勒使用第谷·布拉赫的数据揭示了行星的椭圆轨道，远在我们有工具用我们自己的眼睛观察这种现象之前。
今天，人类同样渴望解码宇宙的错综复杂，人工智能已经成为我们寻求答案的合作伙伴。
玻璃透镜到千兆字节
望远镜发明于17世纪初，为天文学家提供了一个观察宇宙的窗口。
第一次，人类的眼睛可以穿透大气层之外的东西。
除了通过望远镜直接观测天体外，人类还熟练地计算轨道之间的相互作用，最终导致法国天文学家乌尔班·勒韦里尔在1846年天王星被证实之前，从天王星的轨道预测了海王星的存在。
数学和天文学几千年来一直紧密相连，而人工智能擅长的正是这些计算。
开普勒太空望远镜于2009年发射，标志着太阳系外探索的新时代。开普勒的任务是通过监测超过15万颗恒星的亮度来识别系外行星——这些行星位于太阳系之外，他将大量数据传回地球。
尽管在此次任务中确认了2600多颗系外行星，但研究人员今天仍在分析数据。
2021年，自望远镜发射以来的10多年，美国宇航局宣布，人工智能模型已帮助研究人员将301颗新验证的系外行星添加到4569颗的总收集中。
该模型是一个深度神经网络已命名的ExoMiner，可以有力地验证这些拟议的系外行星——这一壮举将需要长时间的人工分析。
ExoMiner项目负责人Hamed Valizadegan说：“当ExoMiner说某个东西是行星时，你可以确定它是行星。 ExoMiner非常准确，在某些方面比现有的机器分类器和人类专家更可靠，因为人类标签带来的偏见。
宇宙起源
西澳大利亚州的内陆是Murchison Widefield Array（MWA）。
与传统的望远镜不同，MWA是一个射电望远镜，用于监听宇宙早期的无线电波。
MWA的众多阵列中的一个。来源：维基百科共享区。
通过捕获来自太空的无线电信号，MWA提供了近130亿年前宇宙状态的一瞥。这并不是没有挑战，因为现代无线电干扰有可能淹没宇宙古老的话语。
利用人工智能，研究人员可以过滤和区分无线电噪声和宇宙原始低语，从而实现更精确的分析。
可视化天体
这个事件视界望远镜 (EHT)该项目捕捉到了黑洞的第一张图像，依靠人工智能处理将其观测结果转化为清晰和连贯的东西。
EHT将来自世界各地的多个望远镜串联在一起，创造了一个单一的巨型望远镜。
利用多个望远镜阵列的合力，EHT可以观测银河系中心的超大质量黑洞。
将这些观察结果渲染成准确的图像需要机器学习（ML）来根据可用数据计算最可能的形状和形式。
ML模型， Primo，分析了30,000个模拟黑洞的特征，生成了下面这张广为流传的图像。
第一张黑洞图像是在人工智能的帮助下创建的。资料来源：Even Horizon望远镜。
黑洞的质量估计是太阳的65亿倍。
AI发现“潜在危险”的小行星
我们听说了很多关于人工智能的风险，但如果它从一颗致命的小行星手中拯救了我们呢？
即将在智利北部的维拉·鲁宾天文台使用人工智能模型的研究人员最近发现了一颗使用人工智能的潜在危险小行星。
智利北部的维拉·鲁宾天文台仍在建设中，将成为用于天文摄影的最强大的数码相机。
HelioLinc3D负责这一发现的人工智能程序，旨在支持Vera C。鲁宾天文台探测小行星的努力。该模型在夏威夷的ATLAS天文台进行了测试。
人工智能公布了一颗约600英尺宽（180米）的小行星，名为2022 SF289。
这颗天体，预计约182米（600英尺宽），预计将接近地球140，000英里（225，000公里）。
考虑到月球与地球的平均距离约为238，855英里（384，400公里）—这比原始数据似乎更近—将其指定为潜在危险小行星（PHA）。放心吧—它不会击中我们。
HelioLinc3D在探测潜在危险小行星方面比目前的方法更快、更有效。
传统上，这需要每晚多次捕捉特定天空片段的图像，而HelioLinc 3D需要更少的观测，并且可以很好地处理微弱的物体。
在观测微弱物体时，望远镜经常会捕捉到密集的无用噪音，这使得探测真正的小行星变得格外困难。
ATLAS首席天文学家拉里·德诺强调，这一发现的意义“任何调查都很难发现像2022 SF289这样接近其灵敏度极限的物体，但HelioLinc 3D显示，只要这些微弱的物体在几个晚上都能看到，就有可能恢复。这实际上给了我们一个“更大，更好”的望远镜。
Rubin科学家兼HelioLinc3D团队负责人Mario Jurić说：“这只是Rubin天文台在不到两年的时间里所期待的一个小小的体验，因为HelioLinc3D每天晚上都会发现这样的天体。
他补充说，“但更广泛地说，这是对即将到来的数据密集型天文学时代的预览。从HelioLinc3D到人工智能辅助代码，未来十年的发现将是一个算法进步的故事，也是一个新的大型望远镜的进步故事。
用人工智能确定恒星的年龄
人工智能还在协助研究人员绘制宇宙的历史。
最近的一个模型是作为一个旧项目的人工智能增强版本开发的，EAGLES（根据锂当量宽度估算年龄），分析了恒星中锂的存在，以估计它们的年龄。
从历史上看，所有恒星都是以类似比例的锂开始生命的。然而，随着它们的老化，由于它们的质量和相关温度等因素，这些锂以不同的速率耗尽。
恒星可以通过它们的锂含量来老化。
恒星的温度是其质量的指示，在其锂消耗中起着关键作用。
在较热的恒星中，外层对流的增强会导致湍流，将锂送到恒星内部更深的地方，并与质子融合，产生两个氦原子核。因此，锂的水平会随着时间的推移而下降。
通过观察恒星的锂丰度和温度，天文学家可以推断它的年龄。
传统上，从锂确定恒星的年龄涉及评估光谱数据中锂的强度，并将其与已建立的恒星演化模型进行匹配。
这一过程不仅艰巨，而且范围有限。英国基尔大学的乔治·韦弗表示，这是一件“很难做的事，需要做大量的工作。”
韦弗和基尔大学的天体物理学家罗宾·杰弗里斯开发了Eagles算法来简化这一过程。
通过训练EAGLES来自52个星团的6000颗恒星， 盖亚任务他们开发了一个模型，能够用最少的手工工作来估计明星的工资。
EAGLES很快将用于两项广泛的调查：2023年威廉·赫歇尔望远镜的WEAVE调查和2024年欧洲南方天文台VISTA望远镜的4MOST调查。
“这是两个主要的光谱调查，将……采取字面上千万颗恒星的光谱，”杰弗里斯说。
这些调查的目标之一是绘制银河系中不同恒星群恒星形成的历史图。
Elon Musk的xAI
我们不能把埃隆·马斯克（Elon Musk）排除在一场围绕宇宙的存在论讨论之外。
七月看到马斯克公布了他的最新登月计划 西族.这 新的神秘AI初创公司 他打算研究紧迫的科学概念，如暗物质，暗能量，费米Parament和外星人的存在。
用马斯克的话来说，xAI将探讨有关“现实”和“宇宙”的“基本问题”。
马斯克和他的团队在xAI上举行了Twitter Spaces讨论，虽然很有趣，但它并没有澄清太多关于这家初创公司的战略。 截至2023年8月，还没有关于它打算做什么以及如何做的具体信息。
伟大的总结www.example.com
-Xai(@xai)2023年7月15日
一些人猜测，xAI将建立科学和面向状态的人工智能模型来进行涡轮增压器研究。它可能采取面向科学的人工智能“通用代理”的形式，几乎可以执行上述任何功能。
xAI可以为科学研究人员贡献其计算能力，缓解与在学术环境中部署复杂模型相关的一些瓶颈。
另一方面，Xai可能只是在另一个大型语言模型(LLM)中达到顶峰，或者可能根本没有什么意义-尽管考虑到这家初创公司创始团队的能力，这将是令人失望的。
如果xAI确实为研究目的提供了一个超级强大的AI模型，这可能使科学家能够为物理学、天文学、医学、气候学和其他领域的各种应用创建专业模型。
尽管面临困境，人工智能为人类提供了探索新领域的工具，这些领域直到几年前才被认为是不可能的。
这项仍处于初级阶段的技术正在揭示其识别危险小行星、系外行星和恒星年龄的潜力，使我们能够拓宽我们的宇宙视野，扩大我们对宇宙的认识。
抛开所有风险不谈，使用人工智能来探索宇宙的秘密是一个诱人的前景。
