宇宙“創(chuàng)造”了人類，人類創(chuàng)造了AI。但似乎，AI比人類更“懂”這個(gè)宇宙。

       用AI來幫助有“中國天眼”之稱的世界最大單口徑射電望遠(yuǎn)鏡FAST更好尋找星星的“探星計(jì)劃”啟動(dòng)已過一年，F(xiàn)AST找到了22顆脈沖星候選體。在沒有AI幫助時(shí)，這很難做到。

       去年的世界人工智能大會(huì)上，騰訊與國家天文臺(tái)合作的“探星計(jì)劃”宣布正式啟動(dòng)。騰訊優(yōu)圖實(shí)驗(yàn)室的計(jì)算機(jī)視覺技術(shù)能力、騰訊云計(jì)算及存儲(chǔ)能力，將會(huì)幫助中國天眼FAST提升脈沖星搜索效率，并輔助快速射電暴和近密雙星系統(tǒng)中脈沖星的搜索。

       在今年世界人工智能大會(huì)的騰訊論壇上，“探星計(jì)劃”到目前為止的最新進(jìn)展首次披露。

       騰訊云副總裁、騰訊優(yōu)圖實(shí)驗(yàn)室總經(jīng)理吳運(yùn)聲表示，截至目前，優(yōu)圖AI天體探索方案已從巡天觀測數(shù)據(jù)中找到22顆脈沖星候選體。其中包括在天體物理中具有較高觀測研究價(jià)值的高速自轉(zhuǎn)的毫秒脈沖星7顆，具有間歇輻射現(xiàn)象的年老脈沖星6顆。

       此外，優(yōu)圖實(shí)驗(yàn)室的動(dòng)態(tài)譜AI模型還首次探測到了某磁陀星射電脈沖。

       這是FAST與騰訊優(yōu)圖實(shí)驗(yàn)室連續(xù)第二年一同出現(xiàn)在世界人工智能大會(huì)上，背后是天文探索與AI的結(jié)合愈發(fā)緊密。

       AI在幾十億張圖片中找10顆星星

       2017年10月10日，中國科學(xué)院國家天文臺(tái)公布世界最大單口徑射電望遠(yuǎn)鏡，也就是被稱為“中國天眼”的FAST所取得的首批成果。其中最重要的一項(xiàng)是我國射電望遠(yuǎn)鏡首次發(fā)現(xiàn)脈沖星。而最新的公開資料顯示，F(xiàn)AST已經(jīng)捕獲了超過660顆脈沖星。

       但FAST的觀測只是發(fā)現(xiàn)脈沖星的第一步，這個(gè)500米口徑的龐然巨物帶來的是峰值每秒接近40G的數(shù)據(jù)量，以多模態(tài)的數(shù)據(jù)形式傳輸回來。于是一個(gè)天文問題被轉(zhuǎn)化成了數(shù)據(jù)標(biāo)注問題。如何在海量而極其相似的數(shù)據(jù)中判斷出目標(biāo)星體的信號(hào)，是FAST團(tuán)隊(duì)最核心的工作。

       “這份22顆脈沖星的候選名單中，短周期的脈沖星發(fā)現(xiàn)大概是在10顆左右，我們是在幾十億張圖片中找到這10顆脈沖星的”，復(fù)旦大學(xué)教授池明旻做了個(gè)粗略的比方，她也是“探星計(jì)劃”中一位同時(shí)擁有計(jì)算機(jī)和天文領(lǐng)域背景的研究成員。

       通過大數(shù)據(jù)訓(xùn)練，機(jī)器學(xué)習(xí)能為天體探索標(biāo)注處理掉其中很大一部分“一眼假”的數(shù)據(jù)信息，這種能力通過“半監(jiān)督學(xué)習(xí)”來實(shí)現(xiàn)。

       半監(jiān)督學(xué)習(xí)屬于無監(jiān)督學(xué)習(xí)（沒有任何標(biāo)記的訓(xùn)練數(shù)據(jù)）和監(jiān)督學(xué)習(xí)（完全標(biāo)記的訓(xùn)練數(shù)據(jù)）的中間地帶。以少量標(biāo)記數(shù)據(jù)結(jié)合大量未標(biāo)記數(shù)據(jù)，在機(jī)器學(xué)習(xí)領(lǐng)域中被認(rèn)為可以明顯提高機(jī)器學(xué)習(xí)的準(zhǔn)確性，在對(duì)于脈沖星信號(hào)數(shù)據(jù)的辨識(shí)中，這些“標(biāo)識(shí)數(shù)據(jù)”可以被理解為天文工作者抽取了某些圖片預(yù)先做了標(biāo)注，這些標(biāo)注形成一個(gè)初篩的判斷標(biāo)準(zhǔn)后會(huì)對(duì)接收到的所有圖片做第一次的過濾。

       “比如色散值，色散有一個(gè)曲線，這個(gè)曲線如果沒有峰值的話，我們就可以排除掉它是脈沖星的可能”，池明旻表示，“因此我們?cè)跈C(jī)器學(xué)習(xí)面有一個(gè)色散值的判定標(biāo)注就非常重要。當(dāng)捕獲的天體信號(hào)精度足夠高，色散值就可以起到過濾的作用”，池明旻說。

       色散值是FAST接收到天體數(shù)據(jù)的其中一個(gè)緯度。天體研究中的數(shù)據(jù)信息往往是跨模態(tài)的，這有利于對(duì)天體是否是脈沖星的綜合判斷。騰訊優(yōu)圖實(shí)驗(yàn)室提供的AI解決方案中加入了包括頻率、色散以及相位的多模態(tài)融合的技術(shù)，這是騰訊優(yōu)圖實(shí)驗(yàn)室為天體探索提供的另一項(xiàng)關(guān)鍵能力。

       天體研究非常獨(dú)特和艱難的地方在于，這是一個(gè)統(tǒng)計(jì)學(xué)幾乎無從下手的領(lǐng)域。

       根據(jù)哈勃太空望遠(yuǎn)鏡2019年以前的觀測結(jié)果建立的假設(shè)是，宇宙共有2萬億個(gè)星系，其中小型星系有幾十億顆恒星，大的星系可以包含近4000億顆恒星，如果以每個(gè)星系平均2000億顆恒星在估計(jì)。全宇宙總共有4千萬億億顆恒星，而這僅僅是恒星。

       除了我們所居住的地球以及已知極其有限的天體外，宇宙中幾乎所有空間都藏在未知里，人類對(duì)于宇宙的理性認(rèn)知長期處在極其貧乏的數(shù)據(jù)基礎(chǔ)上。

       AI、機(jī)器學(xué)習(xí)當(dāng)下的應(yīng)用普遍總與大數(shù)據(jù)聯(lián)系在一起，但在天文探索的語境下，這個(gè)已知數(shù)據(jù)的倉庫家徒四壁，于是“小樣本學(xué)習(xí)（Few-shot Learning）”被更加重視起來。

       小樣本學(xué)習(xí)不是某項(xiàng)技術(shù)，而是一種綜合的研究方式，指在有限的信息中建立完整的分類模型，并且以這個(gè)模型去對(duì)未知的信息完成分類。簡單來說，一個(gè)孩子在看了幾張綿羊的照片之后就可以在動(dòng)物園里認(rèn)出其他品種的羊，這就是某種通過少量圖像識(shí)別某個(gè)視覺對(duì)象的小樣本學(xué)習(xí)概念。

       這對(duì)人類大腦來說輕而易舉，但對(duì)于機(jī)器學(xué)習(xí)來說卻非常困難，但由于天體研究的特殊性，小樣本學(xué)習(xí)又是必不可少的。

       騰訊優(yōu)圖實(shí)驗(yàn)室總監(jiān)汪鋮杰表示，雖然整體上優(yōu)圖需要處理處理百億TB（1TB=1024GB）的數(shù)據(jù)量，但實(shí)際上其中有效樣本很少。“現(xiàn)在為止我們用于學(xué)習(xí)的也就是100TB左右的脈沖星樣本”，而FAST每天產(chǎn)生的數(shù)據(jù)量就高于500TB。

       半監(jiān)督學(xué)習(xí)是小樣本學(xué)習(xí)的一個(gè)思路，在統(tǒng)計(jì)學(xué)概念缺乏實(shí)際土壤時(shí)，以脈沖星樣本搭配更多非脈沖星樣本來構(gòu)建訓(xùn)練模型，可以使得機(jī)器學(xué)習(xí)整體在特征提取上更加充分。

       除此之外，在這個(gè)脈沖心探索的項(xiàng)目中有另外兩種小樣本學(xué)習(xí)的具體思路。

       一種是數(shù)據(jù)擴(kuò)增，即在常規(guī)的脈沖星上面做位移的偏移，或加一些宇宙仿真的噪音疊加，通過把觀測數(shù)據(jù)的誤差人為地加進(jìn)去，AI可以將那些“疑似”脈沖星的圖片數(shù)據(jù)標(biāo)注出來。

       另一種方式是對(duì)抗生成式的學(xué)習(xí)方法，讓AI在學(xué)習(xí)過程中從已有樣本中生成新的樣本，然后繼續(xù)用于未來的計(jì)算。優(yōu)圖實(shí)驗(yàn)室里與FAST合作的算法團(tuán)隊(duì)在今年新引進(jìn)了一位國家天文臺(tái)的博士后來做小樣本學(xué)習(xí)的模型設(shè)計(jì)，也是為了在樣本數(shù)量有限的情況下讓模型能進(jìn)一步契合對(duì)脈沖星特性的預(yù)測。

       “以M31（仙女座星系）做個(gè)例子，到目前為止M31還沒有找到任何一個(gè)脈沖星，我們可以預(yù)測一下它可能的樣子，然后大量模擬出數(shù)據(jù)放到模型里學(xué)習(xí)，然后用FAST對(duì)M31觀測到的大量數(shù)據(jù)去比對(duì)，因?yàn)橹灰�找到一顆，這就是一個(gè)從0到1的突破”，汪鋮杰說。

       宇宙也在“培養(yǎng)”AI

       “探星計(jì)劃”一年之后，汪鋮杰提到了優(yōu)圖實(shí)驗(yàn)室與FAST最初結(jié)緣的細(xì)節(jié)。

       2019年騰訊宣布企業(yè)文化升級(jí)，科技向善被提到了顯眼位置，那之后優(yōu)圖實(shí)驗(yàn)室團(tuán)隊(duì)在部門內(nèi)部做了一次討論，關(guān)于AI在普適化過程，除了一些常規(guī)應(yīng)用外還能做哪些事情。“探星計(jì)劃”并不產(chǎn)生任何經(jīng)濟(jì)效益，動(dòng)力在于優(yōu)圖實(shí)驗(yàn)室對(duì)于AI普世化的愿景。

       那場頭腦風(fēng)暴之后排出了一個(gè)序列，優(yōu)先級(jí)最高的就是FAST。

       彼時(shí)的優(yōu)圖實(shí)驗(yàn)室副總經(jīng)理黃飛躍帶著項(xiàng)目去見FAST團(tuán)隊(duì)，兩個(gè)小時(shí)后雙方就簽訂了項(xiàng)目合同。“我從來沒有見過一個(gè)項(xiàng)目這么快就定下來的情況，可見大家對(duì)這個(gè)項(xiàng)目認(rèn)可度非常高”，池明旻表示。

       AI為天文探索帶來了效益，天文反過來對(duì)AI帶去了什么？

       汪鋮杰總結(jié)成三點(diǎn)，技術(shù)上“探星計(jì)劃“中相當(dāng)多的數(shù)據(jù)對(duì)于優(yōu)圖實(shí)驗(yàn)室本身在研究無監(jiān)督學(xué)習(xí)或者異常檢測算法等技術(shù)上都帶來了珍貴的實(shí)踐經(jīng)驗(yàn)。并且隨著探索脈沖星的積極影響，優(yōu)圖實(shí)驗(yàn)室與更多天文領(lǐng)域相關(guān)的的合作也已經(jīng)提上日程。

       最主要的則是探索出了一個(gè)AI和天文結(jié)合的模式，與基礎(chǔ)科學(xué)建立聯(lián)系是AI普適化的一個(gè)重要維度。

       優(yōu)圖實(shí)驗(yàn)室下一個(gè)即將開啟的探索領(lǐng)域是甲骨文的破譯，用AI技術(shù)來嘗試對(duì)甲骨文進(jìn)行綴合和摹本，為專家提供破譯線索，其中視覺AI將試圖對(duì)甲骨文進(jìn)行3D建模，以進(jìn)一步幫助甲骨文的識(shí)別與考釋。

       汪鋮杰表示，甲骨文的難度可能會(huì)比脈沖星會(huì)更高，甚至可能要高出一兩個(gè)數(shù)量級(jí)。因?yàn)锳I對(duì)脈沖星探索的幫助更多在效率層面，但在甲骨文這個(gè)領(lǐng)域里面已經(jīng)有好多年沒有任何新發(fā)現(xiàn)了。

       “探尋自己能力的邊界，這可能是每個(gè)人、每個(gè)團(tuán)隊(duì)或者每家公司都在探究的東西，F(xiàn)AST這個(gè)項(xiàng)目實(shí)際上是我們朝著自己未知的能力邊界邁出的一步。”