利用机器学习等人工智能技术分析詹姆斯•韦伯太空望远镜或者凌日系外行星勘察卫星（TESS）的未来勘察数据，将协助天文学家搜寻外星生命，探测地球附近小行星。
北京时间12月27日消息，据美国太空网站报道，目前，美国宇航局一份声明指出，使用机器学习等人工智能技术分析詹姆斯·韦伯太空望远镜或许凌日系外行星勘测卫星（TESS）的未来勘测数据，将帮助天文学家搜索外星生命，探测地球邻近小行星。
戈达德太空飞行中心天体生物学家贾达·阿尼（Giada Arney）称，人工智能技术非常重要，特别是关于勘测系外行星领域的大数据集，由于咱们从未来的观测中取得的数据是稀少和嘈杂的，这真的很难理解，所以运用这些工具有很大的潜力帮助咱们。
美国宇航局和英特尔、IBM、谷歌等公司合作，开发出先进的机器学习技能，每年夏季，美国宇航局会招集科技立异者和天文学家参加名为“前沿开展实验室（FDL）”的为期8周研讨活动。
戈达德太空飞行中心天体生物学家肖恩·多玛戈尔-高曼（Shawn Domagal-Goldman）说：“前沿开展实验室就像一级音乐家，带着不同的乐器，在车库里聚会即兴演奏。”
2018年，高曼和阿尼指导一个FDL研究团队，该团队开发了一种机器学习技能，使用相似大脑的“神经网络”分析太空图像，并依据系外行星大气层分子开释或许吸收的光波识别其化学属性，这种人工智能技能相似于人类大脑神经细胞，可以处理和传输信息。
研究人员运用这种神经网络技能能够比传统办法更准确地辨认系外行星WASP-12b的大气分子多样性，此外，该技能还能辨认何时缺乏足够数据，如果咱们选用这些预测，将是非常重要的。
研讨人员指出，尽管神经网络技术仍处于研发阶段，但未来有一天或许用于研讨望远镜收集的数据，然后有助于缩小系外行星候选目标的规模，这些候选目标值得深入研讨。
其他FDL技术也获得了很好的应用，例如：2017年一支研究小组开发了一个机器学习程序，可在短短4天内创建小行星3D模型，包括它们的巨细、形状和旋转速度。同时，此类人工智能程序对于勘探和偏移威胁地球的潜在小行星尤为重要。
美国宇航局从航天探测器每15分钟收集大约2千兆字节数据，太阳物理学家Madhulika Guhathakurta表示，这便是为什么需要使用更多的工具进行研究分析。
此外，研究人员主张在未来的太空飞船上运用人工智能技术，便于飞船系统做出实时科学分析，然后节约飞船与地面科学家交流所需的时刻。
阿尼指出，尽管如此，人工智能技术不会很快替代人类，因为咱们还需要查看最终成果，并在专家研讨剖析的基础上获得定论。