全文共2607字，預計學習時長7分鐘
全文共2607字，預計學習時長7分鐘
圖源：
千百年來，人類對于宇宙仍然抱有極大的好奇心。凝望天空，你會不禁感慨宇宙之大，哪里有太多的東西須要人們去探求和發覺。廣袤宇宙，美麗如斯，宇宙學家和天體化學學家都在竭力揭露宇宙的神秘面紗。
人類的好奇心源自于未知。衛星每年傳送出來數千兆字節的信息，法國正在建設的一臺望遠鏡每天將形成15兆字節的太空圖片?，F代望遠鏡點射的面積廣，覆蓋的距離長，但這還不夠。宇宙過分龐大，人們目前的覆蓋范圍還不理想。
在技術有限、預算不足以選購小型宇宙飛船和更好的設備的情況下，我們怎么能夠實現探求宇宙的目標？人工智能可以解決這個問題嗎？是的，人工智能如同是黑暗宇宙中的名星，它很可能是解決復雜問題、征服宇宙奧秘的完美方案。
隨著人工智能在數據科學、探索性數據剖析和計算機視覺等領域的技術進步，我們取得了出乎想像的成果。
用計算機模擬進行剖析和數字化，設計出清晰的畫面來表示宇宙中的數十億物體，仍然是科學家們實驗的概念和理論哲學，但都進展寥寥。人工智能恐怕改變了這一現況。這要歸功于這些開發了名為“深度密度位移模型”（D3M）的深度神經網路構架的研究人員。
D3M從一組預處理數值模擬小學習，借助基于微擾理論的剖析近似方式（Zel'）來預測宇宙的非線性大尺度結構，借此來作為輸入。大量剖析表明，D3M在預測非線性體系中的宇宙結構方面優于常用的快速近似模擬方式——二階微擾理論（2LPT）。D3M能夠確切推論出遠超其訓練數據的數據，并預測結構產生顯著不同的宇宙學參數。
這個模型的建立對天體化學學家以及特殊設計的創造者來說，都堪稱是個奇跡。它的精確度和響應速率遠遠超出了開發者的想像。D3M形成的模擬結果十分精確，甚至對整個宇宙進行了三維模擬。
人工智能的進步不僅僅局限于使用望遠鏡進行圖象分割或模擬整個宇宙。宇航員在太空中生存、前往地球和其他太空探險都很艱辛。對此，人工智能也有辦法，那就是使用人工智能巡視器和機器人設備。
先進的現代人工智能機器人漫游車可取代天文學家在外太空的角色?；鹦腔萃褪且粋€反例，將先進的人工智能系統與衛星、機器人漫游車和宇宙飛船相聯接，其中的好處遠遠超過我們的想像。
火星惠威的智能數據傳輸軟件沒有了人為的調度錯誤，防止遺失寶貴的數據，降低了來自行星鄰居的有效數據。同樣的技術也可以用于探求太陽系的常年任務，這將最大程度降低人類對它們的監督。
人工智能技術的機器人作為一個整體天體物理模擬器，包含了更多的內容。從勇探人類禁區的機器人到自主航天器和群體智能，現今人工智能在太空中的應用顯得很廣泛。包括衛星圖象的剖析方法，超大天秤的管理天體物理模擬器，甚至是找尋太陽系外行星，都由于采用了人工智能而顯得愈發容易。
圖源：ESA
最后一個要討論的話題是人工智能領域的重大新進展，這似乎可以成為最重大、最特殊的發覺。這個概念可以啟發我們了解宇宙的最重要的結構、設計和能力。歡迎新人工智能——“暗模擬器”。
有一個概念仍然困擾著幾代科學家，讓她們摸不著腦子，那就是暗物質背后的理論。了解它除了可以揭露整個宇宙結構的秘密，還有現代數學學概念的假說和復雜的區別，都可能通過對暗物質或暗能量的詳盡研究和突破得到答案。暗模擬器AI可以成為解決天體化學學家問題的最佳工具。
其主要作者說：“我們曾經用超級計算機要花兩年時間才會壘砌一個巨大的數據庫，但現今只需幾秒鐘就可以在電腦筆記本上新建一個。我感覺數據科學的潛力巨大。借助該成果，其實我們可以朝著揭露現代數學學最大的疑點——發現暗能量秘密。我還覺得我們開發的這些方式在其他領域也有用，例如自然科學或社會科學。”
暗模擬器從現有的數據小學習并創建多個虛擬宇宙，并不斷從這種虛擬宇宙中反復學習。在用真實的調查進一步測試所形成的工具后，它還能在幾秒鐘內成功預測Hyper-Cam勘察中的弱引力透鏡效應，以及SloanSky調查中記錄的三維星體分布模式，確切率在2-3%之間。相比之下，在沒有人工智能的情況下，通過超級計算機單獨運行模擬須要好幾天的時間。
借助各類人工智能工具和技術來解釋廣袤宇宙具有巨大的潛力。在遙遠的未來，關于宇宙的謎題、悖論和秘密將一一公開，我們將對各類謎題有一個清晰的認知，或則起碼有簡單的方式來探求、檢驗和想像宇宙的永恒。
圖源：
隨著圖形處理單元和手動化機械化的快速、持續發展，以及GANs等深度學習算法的變遷，人類清晰認識到世界是怎么誕生的那三天似乎并不遙遠。當你讀到ElonMusk的這句話時，所有那些耐人尋味的好奇念頭就會進一步被提出來。
正如馬斯克所說：“人工智能（我指的不是狹義的人工智能）的進步速率快得驚人。除非你直接接觸過像這樣的團隊，否則你根本不曉得其速率有多快——接近以指數下降。將會在5年時間內發生非常危險的風波，最多10年。”
好奇、神秘和陌生，這是關于人類與宇宙間故事的最佳注解。