酷应用

人工智能继续进阶：科学家发现2500光年外迷你太阳系

百家作者：互联网思想 2017-12-15 14:59:33

2500光年外迷你太阳系

随着第八颗行星被发现，开普勒90系统成为首个在行星数量上与太阳系达到同一水平的系外行星系统

人工智能又立功了：

科学家发现2500光年外迷你太阳系

　　北京时间12月15日凌晨消息，北京时间今天凌晨2：00，美国宇航局对外举行新闻发布会，正式宣布在一个恒星周围发现有8颗行星组成的行星系统。

　　在此之前，我们生活的太阳系一直以来都是围绕单个恒星周围已知行星数量最多的案例，有多达8颗行星围绕太阳运行。但随着今天发布会上宣布的消息，我们了解到在2545光年之外，在一个名为“开普勒90”（Kepler-90）的恒星周围有着同样数量的行星。

　　利用美国宇航局开普勒望远镜获得的数据，天文学家在近期发现了这个系统中隐藏的第八个行星，从而让这一系统中行星体的数量达到了与太阳系相同的水平。

开普勒90系统与太阳系的对比

　　本次新发现的系外行星名为Kepler-90i，这是一颗小质量的岩石行星，由于距离恒星很近，公转周期仅有大约14.4天，因此可以想象其地表温度极高。本次发现的另一个亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习技术的本质在于计算机通过人工智能技术实现“自我学习”。在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。

　　美国宇航局天体物理学部门主管保罗·赫兹（Paul Hertz）表示：“正如我们所料，在我们之前已经分析过的开普勒望远镜数据中仍然隐藏着令人兴奋的新发现，等待着采用合适的新工具或者新技术去揭示它。”他说：“这一发现表明我们的这些数据在未来多年内都将是开展创新研究的珍贵宝藏。”

　　美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析，并从中检测那些可能暗示有系外行星存在的异常信号。受到人脑中神经元之间连接方式的启发，科学家利用人工“神经网络”技术，利用计算机系统的强大计算能力对开普勒望远镜获取的海量数据进行自动化筛选，并最终在已经被归档的数据中发现了一个此前在进行人工分析时被忽略的微弱异常信号，最终证明这是天龙座方向上，恒星开普勒-90周围存在的第八颗行星。

　　事实上，在此之前机器学习的技术就已经被运用于对开普勒望远镜数据库的分析当中，相关研究已经显示出其在查询海量数据中隐藏的细微信号方面所具备的优势。

　　尽管行星数量相同，但是从这张轨道示意图上可以清楚看到，开普勒90系统的范围要小得多，几乎就像迷你版的太阳系。其最外侧的那颗行星的轨道才几乎达到地球轨道的半径距离

　　相比开普勒90系统，其他行星系统或许在孕育生命方面会更加有优势。此次发现的新的系外行星Kepler-90i比地球大约大出30%，它距离恒星很近，其地表温度据估算可以达到800K以上（约合526摄氏度）以上。而最外侧的行星Kepler-90h围绕恒星公转的轨道距离则与地球接近。

　　范德伯格是美国宇航局萨根博士后研究员，来自德州大学奥斯汀分校。他说：“开普勒90系统就像迷你版本的太阳系。你会发现较小的行星在里侧，而较大的行星在外侧，但整个行星系的尺度好像被压缩了，成了一个迷你版本。”

　　沙律是谷歌公司下属“谷歌人工智能”（Google AI）的高级软件工程师，他想到利用神经网络技术对开普勒望远镜的数据进行分析。他在了解到天文学正和其他学科一样，随着数据采集技术的不断升级，开始陷入被海量数据淹没，难以招架的地步之后，开始对系外行星搜寻产生浓厚兴趣并开始思考如何运用自己掌握的计算机技术知识来帮助天文学家们应对这一困境。

　　沙律表示：“在我的业余时间，我开始在网络上检索诸如‘运用大数据搜寻系外行星’之类的话题，然后很快注意到开普勒望远镜项目和对外公开发布的海量数据。”他说：“当数据太多，人工分析难以招架时，机器学习技术的用武之地就来了。”

　　开普勒望远镜在长达4年的运行期间收集的数据中包含有3.5万个可能的行星信号。科学家们运用自动化分析，在配合人工核对来对所有疑似信号进行判读。但在最微弱的信号面前，这样的分析方法常常会将它们遗漏掉。沙律和范德伯格猜想，在已经被分析过的存档数据中，应该还有隐藏其中的，在此前的分析中被遗漏的行星信号。

　　首先，他们使用此前已经经过筛选的1.5万个信号案例来训练一个计算机神经系统网络，让它学会去识别开普勒望远镜数据集中的行星掩星信号。在这一训练测试中，人工智能对于真实系外行星信号和假信号的判断正确率达到了96%以上。随后，当计算机系统已经学会了如何识别掩星信号之后，研究小组开始尝试让计算机去对那些在周围已经发现有行星存在的670颗恒星的数据再次进行分析筛查，科学家们认为这些已经被证明存在行星系统的恒星周围是最有可能存在“漏网之鱼”的地方，或许还有其他行星信号此前未能被注意到。

　　范德伯格表示：“我们发现了很多‘假阳性’信号，但其中也可能隐藏着真实的信号。这就像翻遍各种小石块，寻找真真的宝石的过程。如果你的筛子更好，你当然会捞到更多的石块，但与此同时你捞到宝石的可能性也在增加。”

　　Kepler-90i并非这一神经网络系统找到的唯一宝石。在开普勒80系统中，他们还找到了这一系统内的第六颗行星。这颗编号为Kepler-80g的系外行星大小与地球类似，它和与它同属一个行星系统的另外4颗行星处于一个共振系统内。这样将造就一个极为稳定的系统，类似之前引发轰动的，拥有7颗行星的TRAPPIST-1系统。

　　有关这些发现的相关论文已经被《天文学杂志》接受并将在近期出版。沙律和范德伯格下一步计划让人工智能系统对整个开普勒望远镜的全部数据进行筛选分析，届时计算机将对超过15万颗恒星的亮度数据进行筛查。

　　开普勒望远镜已经在系外行星搜寻方面获得了史无前例的大量数据。在紧盯一个区域进行亮度测定超过4年之后，开普勒望远镜目前正处于其任务延长期。

　　美国宇航局埃姆斯研究中心的开普勒望远镜项目科学家杰西·道特森（Jessie Dotson）表示：“这些结果显示出开普勒项目的持久价值。分析数据的崭新方法，比如这一工作中对使用机器学习技术的初步研究，将持续加强我们对于围绕其他恒星运行的行星系统的认识和理解。我非常确信，在这些数据中还将有更多的‘第一次’等待着我们去发现。”（来源：新浪科技晨风）

人工智能继续进阶

　　在人工智能（AI）领域，“阿法狗”（AlphaGo）是个嚣张的名字。自2016年3月甫出茅庐震惊世人后，该程序妙手迭出，一路刷新纪录。

　　至本月初，谷歌的AI子公司深度思维宣布“阿法狗”升级成了“阿法零”（AlphaZero），已一举击败国际象棋、将棋、围棋类三个世界冠军级的电脑程序。

　　12月11日，该公司发布“阿法狗”教学工具。两天后，团队资深研究员、曾代AI执子的“人肉臂”黄士杰，宣布正式离开“阿法狗”，转投深度思维其他项目。

　　“阿法狗”不断升级

　　2016年，名为“阿法狗”的AI在和所有其他围棋程序的对抗中获得99.8%的胜率后，进一步学习，于当年3月挑战人类围棋世界冠军。五局鏖战，人类1∶4不敌AI，轰动一时。人们将这一成绩视为彼时人工智能的巅峰之作，没成想，这只是“阿法狗”的起步。

　　今年1月，一个神秘账号Master在知名围棋平台上先后挑战柯洁、朴廷桓和井山裕太等顶级高手，豪取胜利，随后战赢“棋圣”聂卫平，直至60盘决胜收官时自爆身份，公布自己正是“阿法狗”新版。

　　10月，“阿法狗”程序再次升级——“阿法元”(AlphaGo Zero)出现，其以100∶0的不败战绩，狠狠击败了曾书写历史的旧版“阿法狗”，而且能够从空白状态起，在不需要任何人类棋谱输入的条件下，无师自通，自学围棋。

　　直至12月6日，深度思维再出惊人之举：其研发的新一代“阿法零”，凭借强劲的计算资源，使其经过不到24小时的自我对弈强化学习，就接连击败了国际象棋、将棋、围棋三个世界冠军级的电脑程序，自此成了全能棋王。

　　“阿法零”独孤求败

　　最新出现的“阿法零”，是深度思维团队继“阿法元”问世之后带给人们的又一全新算法，并称它是“更通用版本”。

　　目前，“阿法零”算法可以在8个小时训练后击败去年对战李世石版本的“阿法狗”，再以4小时训练击败世界顶级的国际象棋程序Stockfish；又用2小时训练击败世界顶级将棋程序Elmo。

　　与前辈“阿法元”相比，“阿法零”有很多自己的独到之处。首先，“阿法元”是在假设结果为赢/输二元的情况下，对获胜概率进行估计和优化，而“阿法零”会将平局及其他潜在结果都考虑在内，深一步估计和优化；其次，“阿法零”并不是靠转变棋盘位置进行数据增强，它只对单一神经网络进行维护，并不断更新该神经网络；最后，“阿法零”所有对弈都重复使用相同的超参数（开始学习过程之前设置值的参数，而非通过训练得到的参数数据），因此无需额外针对特定某种棋类再进行调整。

　　下一步落地应用

　　本月11日，深度思维拿出了一套“阿法狗”教学工具。“阿法狗”团队核心成员黄士杰在其社交媒体账号上介绍说，该教学工具总共收录了约6000个近代围棋史上主要的开局变化，从23万个人类棋谱中收集而来，而所有盘面都有“阿法狗”评估的胜率及推荐的下法。

　　这套教学使用的其实是神秘账号Master那一版的“阿法狗”。但这里所有的胜率与下法，AI都思考过将近10分钟——这意味着1000万次模拟，而每一个开局变化，“阿法狗”都固定延伸20步棋。再加上下法，整套教学工具约有2万个分支变化，37万个盘面。团队成员希望，人们能感受这套教学工具中的创新，并可从中获益。

　　教学系统推出两天后，黄士杰宣布正式告别“阿法狗”，投身公司的其他研究中。

　　其实早在今年5月，当“阿法狗”战胜柯洁后，深度思维就宣布此后该程序不会再参加到人机大战的竞技中去。团队的下一步计划，是研发出广泛算法以投入应用，包括给出疾病的治疗方案、设法将能源消耗降低，以及发明出革命性新材料等。

　　现在，深度思维已与谷歌数据中心共同研发管理制冷系统的新技术，并与英国全民医疗健康系统达成合作。他们，在让AI相关算法真实落地于应用中。（科技日报）