【向子期專欄】外星生命就在那裡。 AI能找到嗎？

身為 NASA 的機器學習科學家，Hamed Valizadegan 曾經訓練過一種演算法來檢查太空人視網膜中的血管影像，從而提高了理解微重力下視力變化的能力。這是一項重要的工作，但瓦利札德甘從未失去兒時對夜空的熱愛，無法動搖他研究星星的願望。麗貝卡·博伊爾Rebecca Boyle發表在最新一期《國家地理雜誌》(National Geographic) 的<外星生命就在那裡。 AI能找到嗎？>( Alien life is out there. Can AI find it?) 指出，這是大海撈針的終極遊戲。美國太空總署的一位科學家押注人工智慧將有助於加快對數十億顆行星的搜尋速度。(It’s the ultimate game of find a needle in the haystack. One NASA scientist is betting on AI to help expedite the search through billions of planets.)
現代天文學正達到瓶頸
「我可以看著天空幾個小時，思考生命的意義，以及我們在這個浩瀚的宇宙中是否孤獨，」他說。然而，早些時候，他的太空科學家同事似乎不願意接受人工智慧作為探索宇宙的工具。這可能是因為高級演算法通常不會展示它們的工作。複雜的人工智慧系統受到大腦的啟發，因此單一合成「神經元」進行計算，然後將訊息傳遞到網路中的其他節點。由此產生的系統計算量如此密集，以至於不可能知道它們是如何得出答案的。瓦利札德根說，這種黑盒子的品質讓那些擁護超精確建模和模擬歷史標準的科學家感到厭煩。
但現代天文學正達到瓶頸。太空和地球上的望遠鏡收集的資訊如此之多，人類無法快速破解，甚至根本無法破解。未來的天文台正在規劃中，這只會讓該領域充滿更多的觀測結果。以智利的Vera C. Rubin 天文台為例，科學家於2001 年首次提議建造該天文台。的圖像。預計每年將捕獲一百萬顆超新星以及數萬顆小行星和其他天體的數據。這麼多的人類科學家怎麼可能獨自研究它們呢？
在一個大型圓形基礎設施內可以看到一名身穿橙色和黃色建築制服的男子。這是一個非常大的鏡子的安裝座，它將成為維拉魯賓望遠鏡的一部分。
令人驚嘆的宇宙新視角
2014 年，Valizadegan 與天文學家 Jon Jenkins 合作，後者邀請他加入一項更自動化的尋找銀河系中另一顆類地行星的行動。這正是 Valizadegan 所希望的夢幻項目。
雖然生命可能以奇怪的形式存在於與地球不同的行星上，但科學家們已經把目光投向了尋找熟悉的東西：一個繞著恆星運行的岩石世界，擁有穩定的大氣層和液態水。但發現這樣一顆行星其實是天文學問題。一些估計認為銀河系中有數千億顆行星，其中只有一小部分是類地行星，但比例未知。
在這項探索中，人類的起步相對緩慢。天文學家於1995 年發現了第一顆圍繞太陽系外恆星運行的行星（一顆系外行星）。小片天空中的150,000 顆恆星，偶爾旋轉以掃描新的空間部分。它的後繼者凌日系外行星勘測衛星於 2018 年發射到太空，以觀測更多的天空，重點是距離地球較近的約 20 萬顆恆星。
尋找外星生命的過程，這個星球剛剛成為頭號嫌疑犯
即使有了這些天基觀測站，驗證一顆行星是否繞著另一顆恆星運行也是耗時且困難的。這些望遠鏡無法看到行星本身，就像普通望遠鏡可以看到木星或土星一樣。相反，他們間接證實了它的存在。這涉及到測量恆星亮度中幾乎難以察覺的光點，這些光點可能表明有一顆行星經過。天文學家仔細觀察星光的變化（稱為光變曲線）來識別潛在的行星。然後，為了證明恆星的存在，地球上的望遠鏡測量了一顆恆星在其行星引力作用下如何擺動。一旦發現一顆行星，要了解它是什麼樣子就更加困難了。但天文學家可以根據恆星的大小和距離做出假設。
由於這些艱苦的努力，天文學家現在知道銀河系中至少有 5,600 顆行星繞著遙遠的恆星運行。有些是比木星和土星還大的氣態巨行星；有些是比火星還小的熱岩石；大多數是由氣體、岩石或兩者組成的世界，大小通常在地球和海王星之間。沒有一個具備我們所知的生命所需的條件或化學物質。但人工智慧可以揭示一些不同的東西，因為它可以進行更深入的觀察。
這 370 顆新行星中沒有一顆像地球
2018 年，Valizadegan 和他的團隊開始建立機器學習程序，以加快系外行星搜尋工作。他們對軟體進行了數據訓練，這些數據表示已確認的行星以及誤報，例如相互遮擋並可能被誤認為經過的行星的雙星。他們將其命名為 ExoMiner，並在開普勒望遠鏡的觀測檔案中對其進行了測試。
「我不知道我們會得到多少獎勵，」瓦利扎德根說。但他的模型很快就辨識出了 370 顆以前未知的系外行星。 「一開始，[系外行星]科學家們提出了很大的阻力，他們說，『不，這不應該被貼上行星的標籤。』」但隨著時間的推移，他們變得更加自信。他說，ExoMiner 尚未被否決。
這 370 顆新行星中沒有一顆像地球，也不像我們太陽系中的任何其他行星。一個被稱為 Kepler-495 c 的新世界大約是地球大小的兩倍，每六天就以驚人的速度繞著它的類日恆星旋轉一圈。另一個名為開普勒 27 d，幾乎與海王星一樣大，大約是地球的八倍，並且經歷了快速的六天半一年。這些行星被恆星的熱量和輻射煎炸，很可能無法居住。
訓練了一種演算法來尋找生命跡象
Valizadegan 表示，ExoMiner 只是使用人工智慧解決這一終極大海撈針問題的開始。未來十年發射的新一代行星搜尋望遠鏡將為地球帶來更多的星光。基於 ExoMiner 的成功，未來的人工智慧行星觀測器也在開發中。事實上，研究人員現在相信人工智慧不僅可以用於尋找新世界，還可以用於尋找最有可能存在生命的條件。
2020 年， 系外行星天文物理學家、康乃爾大學卡爾薩根研究所所長Lisa Kaltenegger 和合作者Dang Pham 想知道是否可以訓練機器學習系統來精確定位水等孕育生命的資源，這是ExoMiner無法做到的。 「如果你找到冰，你就可以推斷出水，」卡爾滕內格說。 「如果你能找到雲，你就能推斷出水。所以我們問，尋找水、雲和冰有多好？
卡爾滕格和範利用地球大氣層的測量來模擬具有岩石表面、水、雲和冰的系外行星。他們還訓練了一種演算法來尋找生命跡象，稱為紅邊，即植物反射回太空的光波長。
電腦程式最擅長發現綠葉植物的跡象
他們發現他們的軟體可以在大約四分之三的時間內檢測到模擬大氣中生命的存在，這可以極大地改善對另一個地球的最初搜尋。 「我認為這非常非常難做到，但機器學習演算法在尋找資料模式方面非常有效，」卡爾滕內格說。 （電腦程式最擅長發現綠葉植物的跡象，但在尋找地衣、樹皮或生物膜的證據時不太可靠。）
有一些警告。這些演算法不能提供絕對的確定性。相反，人們可以估計行星表面的一定比例被生命覆蓋。卡爾滕內格指出，這與發現不同。相反，這是一個有用的線索。
美國太空總署向太空發送了一張地圖，幫助外星人找到地球。現在需要更新。
「人工智慧不會說我們發現了一顆類地行星，」她解釋道。 “人工智慧將把它提升到一些真實的人必須審視它的水平。”人類科學家仍然需要將更多的望遠鏡指向這顆行星，尋找可能顯示生命存在的化學特徵。
最終，真正的人將決定這項發現的意義。
提高地球上最靈敏的望遠鏡的分辨率
Valizadegan 的工作只是 人工智慧如何讓我們更詳細地了解宇宙的一個令人驚嘆的例子。就在幾年前，來自事件視界望遠鏡國際團隊的科學家發布了第一張黑洞影像。這項工作涉及數百名研究人員將來自世界各地電波望遠鏡的數據拼接在一起。由此產生的影像，無論多麼巨大，由於望遠鏡的限製而顯得模糊。
計算天文物理學家兼該團隊的成員 Lia Medeiros 建立了一種演算法，可以在無線電數據中找到模式並創建新版本的圖像。這種名為 PRIMO 的演算法並沒有像攝影師使用 Photoshop 消除模糊那樣銳利化影像。相反，它組合了一個全新的圖像，就像 Photoshop 用戶建立了一張新圖片一樣。結果是比事件視界望遠鏡產生的影像清晰度更高，黑洞的特徵更清晰地解析。
Medeiros 相信 PRIMO 可以用來建構其他神秘物體的圖像。即使使用最好的望遠鏡，我們仍然看不到一些最有趣的行星形成過程。大型射電望遠鏡可以記錄行星形成的原行星盤中的塵埃和氣體，光學望遠鏡可以看到完全形成的世界，但中間的生長階段並沒有那麼清晰。 Medeiros 認為像 PRIMO 這樣的系統可以提高地球上最靈敏的望遠鏡的分辨率，或許可以讓人們看到這些奧秘。
在一個以太陽為蠟燭的盒子裡演奏
梅代羅斯說，儘管機器學習潛力巨大，但一些科學家仍然對機器學習持謹慎態度。黑盒子問題仍然存在。 （Medeiros 指出，她從頭開始構建 PRIMO 時就考慮到了透明度。但並非所有天文問題都可以通過此類定製程序得到解答。）
ExoMiner 更像是黑盒子，建立在現有的神經網路之上，然後由 Valizadegan 和他的同事進行了大量改進。但天文學家逐漸信任它，尤其是當它開始尋找行星時。
瓦利札德甘在伊朗長大，他對夜空的熱愛就是從那裡開始的。他經常回憶起《魯拜集》，這是 11 世紀波斯人奧馬爾·海亞姆 (Omar Khayyam) 的詩集，他描寫了生命的短暫性、人類在宇宙中的地位以及時間的前進。其中一節寫道： 
對於進和出、上方、大約、下方、
這只不過是一場神奇的皮影表演，
在一個以太陽為蠟燭的盒子裡演奏，
我們的幻影圍繞著它來來去去。
瓦利札德根小時候讀過這些經文，並質疑自己在宇宙中的地位。外面還有其他幽靈人物圍繞著自己的蠟燭太陽跳舞的想法仍然讓他徹夜難眠。早上，他尋找答案。