人工智能是怎么发现系外行星的？看来想发现外星人也要靠AI

如何运用机器学习，发现新的系外行星？

几千年来，人们仰望星星，记录、观察天文现象，并从中发现其运行模式。第一批天文学家所认定的天体是行星，由于行星在夜空中看似不规则的移动，因此也被希腊人称之为「planētai」或「漫游者（wanderers）」。经过几个世纪以来的研究，人们已经了解太阳系的运行模式，是地球和其他行星围绕着太阳公转，而太阳是一个恒星，就如同我们肉眼所看见会发光的星星一样。

Image credit: NASA

如今，在望远镜光学（telescope optics）、太空飞行、数位相机和电脑等技术的帮助下，我们得以将对宇宙的了解扩展到太阳系之外，侦测并探究其他恒星周围的行星。这些围绕在其他恒星周围的行星也称之为「系外行星（exoplanet）」，而研究系外行星能帮助我们更深入探索宇宙与人类的奥秘。太阳系之外的宇宙是什么样子呢？外太空还有像太阳系一样的其他行星恒星吗？

虽然技术的进步有助于我们探索宇宙，但寻找系外行星仍不容易。与火热的恒星相比，系外行星是冷的、小的、没有光亮的，这就像要从几千英里的地方，看见探照灯旁边飞来的萤火虫一样困难。

不过借助机器学习（Machine Learning），我们在最近有了一些新的进展。

克卜勒任务与Google AI 的相遇

天文学家搜寻系外行星的方式，其中一个是分析来自NASA 克卜勒任务（Kepler Mission）中的大量资料数据，并透过自动化软体和手动方式来执行。克卜勒任务用了四年的时间观察近20万颗恒星，每30分钟拍一次照片，并创造了近140亿个资料点。这140亿个资料点相当于大约2千兆个可能的行星轨道。这个庞大的资料量即使用最强大的电脑来分析也是非常耗时、费力的。为了让这个分析的过程可以更有效率，我们导入机器学习来加速分析时程。

图／Google中国台湾

凌星法是指，当一颗运行中的行星挡住了恒星的光线时，恒星的亮度会减小。我们以此概念为基础，将其特征讯号用来辨识周围运行的行星，并运用克卜勒天文望远镜，在四年之间观察并分析了20万颗恒星的亮度。

机器学习能够训练电脑认识运作模式，而这对于分析大量数据来说尤其有用。机器学习技术的重点在于让电脑从范例中学习，而不是透过编写特定的规则。

我是Google人工智慧团队的机器学习研究员，对于宇宙的世界相当感兴趣。因此，我善用「20%计画」（在Google，你可以利用20%的时间来做你喜欢或感兴趣的事情）来开始执行这个专案。我和德州大学奥斯汀分校的天文学家Andrew 接洽，共同执行这个专案。我们将机器学习技术应用在宇宙探索，并教导机器学习系统如何识别遥远恒星周围的行星。

我们利用超过15,000个被标记的克卜勒讯号，创造一个 TensorFlow 模组来辨别行星与非行星。为此，这个模型必须能辨认出真正的行星所形成的图像，与其他天体如 星斑（starspots）和双星（binary stars）所形成的图像。当我们让TensorFlow模组辨识从未见过的讯号时，它能以96%的准确率辨认出哪些讯号是行星，哪些是非行星。因此，我们知道这个模组成功了！

克卜勒90i，发现！有了可行的模组后，我们拍摄恒星，并利用这个模组在克卜勒数据中寻找新的行星。为了缩小搜寻范围，我们研究了670个已知可容纳两颗或更多的系外行星的恒星。在这样的过程中，我们发现两颗新行星：克卜勒80g 和克卜勒90i。其中值得注意的是，克卜勒90i 是第八个被发现围绕着克卜勒90的行星，这使它成为除了太阳系之外，第一个已知的八大行星系统。

图／Google中国台湾

我们利用15,000个被标示的克卜勒讯号，来训练机器学习模组去辨认行星讯号，并利用这个模组，从670颗恒星的数据中发现新的行星，且成功发现了两个先前被忽略的行星。

另外也发现了一些有趣的事：这个行星比地球大了30%；拥有大约华氏800度的地表温度，绝对不是你下一趟旅行的好选择；它以14天的周期绕着恒星公转，这代表你每两个星期就会过一次生日喔。

图／Google中国台湾

克卜勒90是太阳系以外第一个已知的八大行星系统。在这个星系中，行星运行的轨道更靠近恒星，而克卜勒90i每14天公转一次。（请注意，行星的大小，以及行星与恒星的距离不在测量范围内。）

当我们运用科技来尝试了解宇宙时，会以为已经可以一窥一二，但其实不然。目前为止，我们只用TensorFlow 模组搜寻了20万个恒星当中的670个，而克卜勒的数据中可能还有更多系外行星尚未被发现，未来机器学习的新思维和技术将能帮助人类进行宇宙探索，发现更多未知的领域！