8家險企股權被掛牌轉讓，為何險企股權不再被追捧？
2019-06-03 15:46:49
辨認“引力透鏡”，AI立功了
2019-06-03 15:46:49 來源: 科技日報
尋找暗物質，機器比人的眼神好。近期《計算天體物理學和宇宙學》發表的一篇論文顯示，美國勞倫茲伯克利國家實驗室(以下簡稱“伯克利實驗室”)等機構共同研制的深度學習AI框架，能夠探尋宇宙里暗物質的跡象。
近幾年，人工智能越來越多應用于天文學研究。深度學習需要海量數據，而天文學正是AI大顯身手的領域。機器可以替人類從茫茫大海里撈針，捕捉到新的恒星、新的地外行星甚至暗物質。
辨認“引力透鏡”，AI立功了
尋找“引力透鏡”是研究暗物質分布的基本方法。巨大質量的物體會像透鏡一樣扭曲路過的光線，找出這種扭曲就能捕捉到不發光的質量物。
論文顯示，伯克利實驗室建立的深度學習AI框架CosmoGAN，可以分析引力透鏡與暗物質的關聯。它可以創建高保真、弱引力透鏡收斂圖。
曾幾何時，尋找“引力透鏡”所需的模擬和數據處理很麻煩。20名科學家花費了好幾個月的時間只能查看一小塊空間圖像。物理模擬需要數十億個計算小時，占用數兆字節的磁盤空間。
神經網絡的進步提供了機會。伯克利實驗室領導的團隊引入一種“生成性對抗網絡(GANs)”。研究者穆斯塔法說：“也有別的深度學習方法可以從許多圖像中得到收斂圖，但與競爭方法相比，GANs生成非常高分辨率的圖像，同時仍有神經網絡的高效率。”
現在，天文學家可以用CosmoGAN分析大得多的天區，速度也更快。
CosmoGAN不是唯一取得進展的天文學深度學習神經網絡。比如多倫多大學利用深度學習技術解析月球隕石坑的衛星圖像，P8超級計算機的神經網絡在僅僅幾個小時內發現6000個新的隕石坑，是過去幾十年中人類發現隕石坑數量的2倍。伊利諾伊大學厄巴納-香檳分校利用深度學習來探測和分析黑洞碰撞的引力波。AI在天文學遍地開花。
數據太多，沒機器玩不轉
過去幾年里，天文領域的大多數方向都在嘗試使用人工智能。考慮到天文學要處理的數據之多，這是一個很自然的思路。讓機器練習去分析蛛絲馬跡，不如此，未來的天文學將無法運轉。
不久前舉辦的2019年GPU技術大會吸引了全世界的人工智能學者。大會請來加州大學圣克魯茲分校的天文學家布蘭特·羅伯特森演講，他指出：“天文學正在一場新的數據革命的風口”。羅伯特森認為，新一代天文儀器必須配合由深度學習驅動的新一代軟件。
比如預計在3年后運行的大口徑全天巡視望遠鏡(LSST)。它巡視南天那一半宇宙中的370億個星系，生成一部時長十年的不間斷視頻。LSST配備的是32億像素的相機，每晚產生25TB的數據，相當于現在先進天文望遠鏡一生貢獻的所有數據。
再比如平方公里陣列射電望遠鏡(SKA)。它遍布全球，一部分天線在非洲南部8國部署，還有100多萬天線位于澳大利亞和新西蘭。它的原始數據每天達到5千個PB，處理后也有50個PB左右。
“暗能量巡天”編制幾億個星系的星圖;“蓋亞”衛星測繪銀河系數十億恒星;“茲威基”項目每小時能夠掃描3750平方度的天區。在中國，FAST每天的數據量將達150TB;郭守敬望遠鏡觀測了901萬條光譜，是世界上最大的天體光譜庫……
捕捉人類看不出的模式
數據越來越多，科學家試圖聚合它們。但在GPU大會上，羅伯特森說，未來幾個大型天文望遠鏡一起產生大量數據，聚合之后復雜到人類無法直接利用。而加州大學圣克魯斯分校的科學家試圖解決這個問題。計算機科學系一名博士生創建的Morpheus深度學習框架，可以基于望遠鏡的原始數據，逐像素地分類天體。
加州大學圣克魯茲分校的科學家們還用AI更好地研究星系的形成。在他們2019年初發表的一項研究中，科學家用計算機模擬的星系訓練計算機，讓它學習星系演化的三個關鍵階段。后來計算機分析來自哈勃太空望遠鏡的星系圖像，表現出奇好。
人工智能應用于人臉識別，在海量數據訓練后，可以根據一張照片，認出這個人化妝和年老時候的樣子。而宇宙中很多圖像也可用同樣的方法來歸類。
“深度學習可以尋找模式，機器能看到非常復雜的模式，而人類看不到。”參與研究的科學家大衛·庫說，“我們希望進一步測試這種方法。在概念驗證研究中，機器似乎成功地在數據中找到了模擬中確定的星系演化的不同階段。”
幫天文學家找到另一個太陽系
2018年底的一篇報道顯示，谷歌人工智能發力，從開普勒系外行星觀測數據庫里找到了新的行星。行星是很難尋找的。位于太空的開普勒衛星觀察145000顆類似太陽的恒星，從恒星亮度微弱變化來發現行星。記錄4年的數據中，包括大約35000個疑似的行星記錄。天文學家用機器結合人眼來識別，但最暗最弱的信號常被忽略。
在谷歌AI的幫助下，我們發現了開普勒90i和開普勒80g兩顆新行星。也讓開普勒90被確認為第一個至少擁有8顆行星的外星系。
神經網絡和機器學習處理了140億個數據點，之后成功篩選出了候選者。
NASA和谷歌說，未來新技術將找到更多系外行星。NASA還表示不用擔心天文學家失業。NASA的科學家杰西·道特森解釋表示，數據提供給神經網絡之前，需要天文學家進行分類，以便人工智能可以從中學習分析出新的信息。
道特森說：“AI以后絕對會和天文學家一起工作，成為必不可少的工具。”
當然，機器學習也帶來“黑盒子”風險：我們得到了答案，但我們不知道機器為何如此判斷，或許答案是錯的。機器也會犯錯。天文學家將繼續訓練和適應它。
延伸閱讀
專家點評
深度學習還不具備“物理直覺”
確實，現在人工智能已經深入到了天文天體物理學的各個分支領域。目前，美國勞倫茲伯克利國家實驗室利用深度學習，能夠快速根據宇宙三維密度分布，判斷暗物質、暗能量等宇宙學基本常數，他們發現應用人工智能之后，統計量誤差比先前應用傳統統計學辦法小不少。此外，我們也利用深度學習在極低信噪比的光譜中尋找宇宙早期的氫、碳元素，發現比傳統方法也要好用。
同時，天文學家們也在應用深度學習，幫助我們判斷天體的三維位置、遠近，進而勾勒出三維空間的大尺度結構。人們發現深度學習在對數據信息的挖掘方面，可能強于我們之前所用的傳統方法。人工智能也被谷歌公司應用到探測系外行星的領域，并成功探測到了幾個系外行星……可以說，人工智能如今在天體物理的前沿領域被廣泛應用。
但從物理學家的角度看，基于深度學習的人工智能也許也有其局限性。這種局限性在于它只能基于數據、在已經被定義得非常明確的特定領域內發揮作用。只能在物理學家的指導下，把統計量的誤差棒做得更小，估計某個量更精準，而目前尚無法指導我們發現數據背后的新物理規律。也不具備人類才有的，基于美、對稱和簡潔的“物理直覺”。
舉一個最簡單的例子，比如說開普勒基于第谷的觀測數據，可以發現開普勒第三定律，而目前再好的機器學習、人工智能算法可能也很難基于相同數據，重復這個發現。
所以說我認為深度學習在天文中應用的本質，目前還局限在做更好的統計和擬合這個方面。(記者 高 博)
您可能也感興趣:
為您推薦
深圳最低工資標準調整為2360元/月 失業保險金為2124元/月
2019-06-03 15:46:49
遼寧實施失業保險省級統籌 對缺口核定等作出詳細規定
2019-06-03 15:46:49
部分保險公司推出隔離險 理賠卻存在諸多限制
2019-06-03 15:46:49
排行
最近更新
- 高端消費品牌開啟漲價潮，大牌還能“笑”多久？
- 百世進入“減法”梯隊 能否堅守當前的道路仍未可知
- 入場容易盈利難，團車造車想要站穩腳跟需要具備什么樣的能力？
- 爾旭大宅新型材料研產銷一體化，創新綠色新建材
- 兒童打鼾、張嘴睡覺要注意了 睡眠障礙將損害身體健康
- 8年開出4000多家門店,俏妃經期護理緣何成為女性剛需
- 預防大于治療,俏妃經期護理喚活女性生殖健康自生力
- 俏妃經期護理憑何為女性健康筑起防火墻
- 檳榔產業發展峰會展開，問道九五之尊品牌引領行業高質量發展
- 黑龍江科技招商大會大慶專場舉行 推動科技成果落地轉化
- 大事件 | 松偉官宣高圓圓為代言人，疊加億級高鐵投放
- “網紅”隔離險買易賠難？是營銷噱頭還是真保障
- 百億私募巨頭林利軍屈身道歉表信心，“少數”投資人為何不買賬？
- 雅居樂擬18.44億元向中海出售廣州亞運城26.66%股權
- 2021年中國跨境資金流動有序 國際收支自主平衡
- 時隔九年，娃哈哈再做醬酒，這次能成功嗎？
- 2025年中國綠色低碳循環發展消費體系將初步形成
- 銷量連續7年居世界首位 新能源汽車有望加速增長
- 一張滑雪票蘊藏無限商機：冬奧會點燃冰雪消費
- 綠城服務盈利增長不及預期 野村將其目標價由12.5港元下調13....
- 銀保監會規范銀行服務市場調節價管理：劃出五條紅線
- ?17家酒企上榜2021年綠色工廠名單
- 麥當勞在推特上發了一個手勢，要痛失韓國市場了？
- 衛生間如何進行清潔消毒？北京疾控：要注意4個環節8個方面
- 上海發布生物醫藥產業發展規劃 到2025年產業規模將超萬億元
- 上海：去年科技信貸授信規模1583億元，科技保險助力科研穩發展
- 中國癌癥防治十大建議發布 公眾應改變多種不良生活方式
- 火山有色加強服務傳統企業
- 螞蟻集團股票有哪些？相關螞蟻集團股票龍頭一覽
- Buck電路原理