伽利略会怎么做？
一群科学家和天文学家成功地利用人工智能和机器学习，在超新星发生的瞬间对其进行了识别和分类。这是对该项目 “明亮瞬变巡天（BTS）机器人 “的一次测试，该机器人是一个更广泛计划的一部分，负责监测和分类亮度超过一定水平的超新星。
BTS机器人背后的团队表示，它可以省去人类在确认探测到的事件是否是恒星爆炸时的中间环节，从而给研究人员更多的时间来分析天体事件。该机器人于上周启动，由私立研究机构西北大学的师生负责操作。
“西北大学副教授亚当-米勒（Adam Miller）说：”这是向前迈出的重要一步，因为进一步完善模型将使机器人能够分离出恒星爆炸的特定亚型。”最终，将人类从循环中移除，为研究团队提供了更多时间来分析他们的观测结果，并提出新的假设来解释我们观测到的宇宙爆炸的起源。”
有些人对被人工智能取代表示担忧，反对去掉 “人类中间人 “的想法，但米勒说，这样做的目的是提高效率。
“大约从2018年这个项目刚开始的时候，我们就一直在做这件事，”项目共同负责人、天文学研究生纳比尔-雷姆图拉（Nabil Rehemtula）告诉TCN。”所以现在我们有数以万计的超新星，我们可以在这些超新星上训练和建立模型，并使这一过程自动化。
The Horsehead Nebula can be seen in this
超新星是一种恒星爆炸，会释放出巨大的能量，使整个星系短暂黯然失色。当恒星内核中的核燃料耗尽，导致灾难性坍缩时，就会发生超新星爆发。
以天文学家弗里茨-兹威基（Fritz Zwicky）命名的兹威基瞬变设施（Zwicky Transient Facility，ZTF）位于加利福尼亚州圣迭戈的帕洛玛天文台（Palomar Observatory），成立于2018年，旨在快速识别这些宇宙事件。
在雷姆图拉和米勒的领导下，BTSbot 项目团队包括来自西北大学、加州理工学院、利物浦约翰摩尔斯大学和明尼苏达大学的成员。
在训练人工智能模型的过程中，雷姆图拉向算法输入了来自16000个来源的140多万张历史图像。这些来源包括已确认的超新星、暂时爆发的恒星、周期变星和爆发星系。
Rehemtula 解释说，每年大约观测到 1300 到 1400 个超新星，产生了大量的分析数据。他说，”明亮瞬变巡天 “测量的是一切出现和消失、变亮和变暗的现象，而且是一次性事件。
“Rehemtula说：”给模型提供一个干净、有代表性的训练集非常重要。”因此，我们首先要回过头来看看哪些超新星或其他东西最初通过了 BTS 过滤器。
雷姆图拉解释说，这样就很容易排除不是超新星的天体现象。
在帕洛玛天文台拍摄的仙女座星系的新合成图像，由三个波段的可见光组合而成。图片来源：ZTF/D. Goldstein and R. Hurt (Caltech)
BTSbot集成到了观测门户中，天文学家可以看到模型产生的结果，这样他们就可以很容易地看到模型在做什么。雷姆图拉补充说，加州理工学院（Caltech）的研究人员参与了整合工作，确保人工智能发出请求后，人类不会发出重复的请求。
“因此，我们可以回过头来查看过去五、六年里每晚的 50 件事情。这些就是我们用于训练集的样本，”他说。”基本上是一个人在过去五六年里检查过的所有东西。
虽然取得了成功，但雷赫姆图拉表示，该项目并非没有障碍，其中最明显的是检查和验证图像以及确保图像的高质量，这导致 BTSbot 的发布出现了短暂的延迟。
“他说：”有很多事情耽误了开发工作，其中之一就是创建一个足够大的训练集，让模型可以从中学习，但又要干净整洁。”你不会想把我们望远镜探测到的所有东西都扔进去，然后开始得到一堆垃圾”。
随着人工智能的普及，这项技术正在进入多个研究领域，包括癌症治疗、军事防御和教育。尽管人工智能对未来社会大有可为，但专家警告说，该技术仍表现出一些令人担忧的习性，包括偏见、种族主义和撒谎。
雷姆图拉还表示，在天文学中使用人工智能需要谨慎，并承认人工智能模型中可能会形成选择偏差，这将威胁到人工智能模型在识别其他星系天体时的持续准确性。
“我们探测到的天体超过了99%，所以我们对此其实并不太担心，”他说。”接受人工智能用于天文学的人们需要思考的是，我们在[研究]中加入了什么样的偏见？”
