谷歌Google刚刚使用机器学习来找到第一个类似于我们自己的太阳系

就像我们自己的行星一样，这是我们的银河系中首次有八个行星发现了另一个太阳系，而正是由谷歌的人工智能发现了它。

通过使用机器学习和神经网络来实现人类无法实现的目标，美国宇航局开普勒太空望远镜发出的微弱信号数据已通过Google机器学习技术进行了仔细检查，以进行发现。

NASA发现了什么?

发现第八颗行星绕开遥远的星开普勒90系统-它位于北部天空的德拉科星座中2,545光年，这是首次发现另一个太阳系，其行星数量与我们的行星数量相同。拥有。开普勒90i是一颗炽热的岩石行星，每14.4天绕其恒星运行一次，它是由德克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡(Andrew Vanderburg)和加利福尼亚山景城Google AI的高级软件工程师克里斯托弗·沙鲁(Christopher Shallue)发现的。

他们通过使用计算机进行了“学习”，从而从NASA开普勒太空望远镜的数据中找到行星。报告这一发现的研究论文已被《天文学杂志》接受发表。

范德堡说：“开普勒90i是一颗G0星，比我们的太阳轻一些。” “它是八个行星中最小的一个，我们认为它是岩石的，表面灼热。”

就像我们的太阳系一样，开普勒90系统中较小的行星位于恒星附近，较大的行星则位于较远的地方。“开普勒90星系统就像我们太阳系的迷你版。你们里面有小行星，外面有大行星，但是一切都变得越来越狭窄。”范德堡说。“在开普勒数据中，我们看到了很多–许多系统比我们自己的系统包装得更加紧密。” 它最外层的行星开普勒90h绕着它的恒星运行的距离与地球到太阳的距离相似。

什么是开普勒?

自2009年发射以来，开普勒太空望远镜一直围绕太阳运行，其主要任务已经结束。开普勒的陀螺仪在银河系天琴座附近的夜空微小区域中发现了数千个系外行星后，于2014年遭到破坏。现在，在第二次“ K2”任务中，开普勒在黄道沿空的计划区域寻找系外行星。到目前为止，总共发现了2,525颗行星。

开普勒(Kepler)的四年数据集包含35,000多个强信号，表明可能有行星绕着遥远的恒星旋转，研究人员已经筛选出这些数据并将其分类为“行星”或“非行星”。但是，存档中还包含更多弱信号，以至于无法进行更深入的研究。提示机器学习。

什么是机器学习?

机器学习是人工智能(AI)的一个子集，涉及自动化重复性任务，实质上是训练计算机识别模式并对数据进行分类。典型的例子是猫和狗的照片。向计算机显示数以百万计的此类图片，每个图片归为猫或狗，并且计算机可以学习自动识别它们。计算机创建像人脑一样的神经网络。这只是Google所做的，尽管规模要小得多。

Google如何使用其机器学习技术?

研究人员使用了由Google生产的开源软件库TensaFlow，使用普通的台式PC训练计算机模型只用了两个小时。“神经网络是受人脑启发的机器学习算法，” Shallue解释说。“它可以用来对输入进行分类，在这种情况下，来自开普勒望远镜的信号是行星还是非行星。它是通过示例学习来实现的，因此我们通过提供大量带标签的示例来训练模型，以便它可以学习使用哪种模式来决定数据是属于一个类别还是另一个类别。”

使用过境方法检测行星;当望远镜观察到系外行星越过恒星时，该恒星会稍微变暗。开普勒记录的光信号然后可以用于计算行星的质量和半径。

研究人员教计算机，以学习如何识别穿过恒星的行星的微弱信号，从而使其能够搜索约670个已知多行星系统周围的行星。Shallue说：“它学会了将实际行星造成的模式与行星以外的事物造成的模式区分开来。” “关键是让计算机以身作则，而不是由人类输入特定规则来学习。”

除了开普勒90i的关键发现外，在天鹅座的开普勒80系统中还发现了另一个名为开普勒80g的行星-一个地球大小的行星。

这有多令人印象深刻?

当前，对机器学习和人工智能的兴趣激增，并且由于此处使用的数据集非常小，因此意义重大，尤其是对于天文学。

Shallue说：“已标记信号的训练集包含人类科学家已经标记的150,000个例子，这是一个很小的训练集–通常，我们在训练集中处理数百万个例子。”

但是，所使用的过程–有监督的机器学习–是最基本的过程。下一步是无监督的机器学习。

Shallue说：“另一种方法是无监督学习，您没有正确的答案，只有数据，并且要求计算机学习某些东西而没有明确告诉他们正确的答案是什么。” “这是机器学习的激动人心且活跃的领域，但是迄今为止，机器学习在成功的大型应用中都来自有监督的方法。”

Shallue说：“我们有具体计划来考虑开普勒主要任务中至少15万颗恒星的数据集的提醒，”他指出，关键部分是可以使用机器学习来查看更多信号比人类可能合理地学习。

他说：“我们在已知已经存在过行星的恒星周围搜寻新的行星，因此我们知道开普勒望远镜可以探测到它们。” “因此，当我们转向新的恒星时，可能会有很多没有轨道。” 这就是过渡方法的缺点;即使有多个行星围绕着望远镜指向的恒星运行，也只有在行星直接经过恒星前方时才能看到它们–这就是视线。

机器学习会改变天文学吗?

那么机器学习会使天文学家失业吗?“我们在这里开发的工具是使天文学家能够发挥更大影响力，提高生产率的一种工具，它肯定不会替代它们，” Shallue说。“我希望这可以使人们有更多理由进入天文学，使用像这样的更先进的技术。”

行星猎手接下来要做的是有史以来的首次太空全天候过境调查，即过渡系外行星调查卫星(TESS)太空望远镜，这项为期两年的对200,000颗恒星的调查。预计于2018年3月推出。