人工智慧系統Robert能尋找系外行星的生命跡象

科技 07-01

這可能是首款能夠發現外星生命跡象的人工智慧系統。

研究人員已經展示了一種名為RobERt (Robotic Exoplanet Recognition)的深度信念神經網路。

這種人工智慧系統的目的是篩選從遙遠行星系統發出的光，檢索大氣層氣體的光譜信息。

這種系統使用機器學習技術，模擬人類認知，想像程序用於尋找太陽系以外適宜居住的星球。

倫敦大學學院的Ingo Waldmann 博士帶領RobERt研發團隊，他解釋，「不同分子吸收和發出特定波長的光線，形成了電磁波譜範圍內獨特的光譜圖。」

「我們可以捕捉濾過系外星球大氣層的光，或者捕捉從雲頂反射回來的光，把它分解成彩虹一樣，提取出與不同分子或者氣體相關聯的鑒別性標誌特徵。」

這個團隊讓這種人工智慧系統像人類一樣思考。

人類大腦的確擅長發現這些光譜模式，並且根據經驗標記它們，但是這項工作很耗時，而且數據量巨大。

我們建立了RobERt，旨在讓它獨立從例子中學習，依靠它自己的經驗。

這樣，像經驗豐富的天文學家或者發現者一樣，RobERt能夠相當好地察覺出光譜中有哪些分子，哪些數據最理想，以便用於詳細分析。

但是，通常人類要花費數日或者數周才能完成的事，RobERt只需要數秒鐘即可完成。

深度信念神經網路（DBNs），發明於十多年前，通常用於語音識別，網路搜索以及追蹤消費行為。

RobERt的深度信念神經網路有三個單元處理層，或者「神經元」。信息提供給500神經元的底層處理層，底層處理層先過濾數據，然後把一個子數據傳給第二層處理層。

200神經元的第二層處理層精心篩選數據，然後將數據向上傳遞給50神經元的第三層處理層，使系統對氣體的最終識別最可能是當下的。

為了讓RobERt準備好迎接挑戰，Waldmann和倫敦大學學院的同事們創建了總數為85750的模擬光譜，覆蓋了5種不同類型的系外星球，從潛在的「海洋星球」GJ1214b，到WASP-12。WASP-12是一種熱木星，運行軌道非常接近它的恆星。

訓練中設置的每種光譜包含單一氣體的鑒別性標誌。當RobERt 與「控制」光譜一起訓練時，每隔一段時間，RobERt的學習程序被測試。

訓練後期，RobERt識別的準確率高達99.7%。

Waldmann說，「RobERt 已經學會了考慮各種因素，諸如：噪音、受限制的波長範圍、混合氣體。」

「甚至，當輸入信息來自太空儀器的受限波段，當輸入信息包含重複特徵，它也能在混合氣體中準確挑選出諸如水、甲烷一樣的成分。」

RobERt的深度信任神經網路能被撤銷，這樣，它不需要分析輸入系統的數據，能進入一個「想像狀態」，根據自己的經驗，產生全波段光譜。

Waldmann說，「機器人真的能夠想像。我們可以要求RobERt想像水分子的模樣，而且它非常精準地證實了。」

「當試圖在不完整的數據中識別特徵時，這種想像的能力非常有用。RobERt能使用它的想像填補空缺。」

RobERt將極大地幫助我們分析外星球的數據，弄清楚遙遠星球的真實模樣。

1號機器人網（www.1hjqr.com）機器人行業最權威媒體

請您繼續閱讀更多來自 1號機器人網 的精彩文章:

您可能感興趣