天文望远镜可以看到未来吗（还在人工观测星空）

天文望远镜可以看到未来吗（还在人工观测星空）“如果我只看普通天气预报，然后试图规划一条路径，使之最适合在环境状况改变后，观测一组新目标，那就很难做到。但如果让人工智能机器，来做这种路径规划，则是非常适合的。”艾德伦告诉我们。“这是一个具有挑战性的难题。”奥尔丽.艾德伦解释说。她现在是美国国家加速器实验室研究助理，她将“机器学习”技术应用于控制粒子加速器，这在一定程度上给了诺德灵感。“地球持续旋转，夜空在一年里不断的变换，同时，云层可能在某个特定夜晚，阻碍观测列表清单上的目标物。”今天，人类操控天文台观测天空，使观测设备对准某个目标物；或者，更常见的是，考虑到地球运转、天气及其他因素的影响，在一系列希望收集到观测数据的目标物之间移动。科学家们现在正在思考如何使望远镜自主计算运行，扫描其列表清单里的一系列目标，以优化对宇宙重大事件的搜索。布赖恩·诺德（费米实验室的助理科学家）告诉美国科技博客网站Gizmodo说：“正像我们决定将驶向哪条

自主运行的望远镜如何改变天文学

VISTA（用于天文学的可见光和红外光探测望远镜），位于智利的塞罗帕拉纳尔。

照片来源: Y.贝莱茨基（智利拉斯坎帕纳斯天文台） / 欧洲南方天文台

天文学家和物理学家，持续寻求宇宙最深层次问题的答案，但在许多问题上，包括暗物质和暗能量，他们都遇到了阻碍。如果有一架自主运行的望远镜，摒弃人类的偏见和复杂性，它能够解决我们一直找不到答案的难题吗？

今天，人类操控天文台观测天空，使观测设备对准某个目标物；或者，更常见的是，考虑到地球运转、天气及其他因素的影响，在一系列希望收集到观测数据的目标物之间移动。科学家们现在正在思考如何使望远镜自主计算运行，扫描其列表清单里的一系列目标，以优化对宇宙重大事件的搜索。

布赖恩·诺德（费米实验室的助理科学家）告诉美国科技博客网站Gizmodo说：“正像我们决定将驶向哪条路，或接下来读哪本书一样，我们关心：哪些模拟程序和观测过程可以被参数化设置，以便自动探索我们未知的宇宙空间最深处。”

今天，目标列表清单，被发送到望远镜系统里，这样，计算机脚本在人类的辅助下，选择有价值的目标、控制观测指向。诺德认为，这是让望远镜做出更好决定的机会，甚至它可以在给定的特定坐标之外进行探测。一架“智能”的望远镜，甚至可以实时应对任何意外状况，例如：自动旋转方向，花更多的时间去观测，突然发生的黑洞爆发现象。诺德已经熟悉了，利用“机器学习”技术，让其对宇宙空间目标进行分类。通过与其他专家的交流，他意识到，“机器学习”技术，可以成为优化科学实验（包括优化望远镜性能）的一种方法。

“这是一个具有挑战性的难题。”奥尔丽.艾德伦解释说。她现在是美国国家加速器实验室研究助理，她将“机器学习”技术应用于控制粒子加速器，这在一定程度上给了诺德灵感。“地球持续旋转，夜空在一年里不断的变换，同时，云层可能在某个特定夜晚，阻碍观测列表清单上的目标物。”

“如果我只看普通天气预报，然后试图规划一条路径，使之最适合在环境状况改变后，观测一组新目标，那就很难做到。但如果让人工智能机器，来做这种路径规划，则是非常适合的。”艾德伦告诉我们。

而这，并不会让望远镜操作员失去工作，——他们要维护保养、抽样检查望远镜，并确保自动程序正确运作，不会使望远镜失控到在其限制范围之外运行，比如：试图让固定安装的望远镜，观测根本无法指向的目标源。

但诺德不仅仅只是想自动规划观测天空的最有效路径，而是考虑：如果让天体物理学探索的整个过程实现自动化，是否可行呢？

早在2016年，诺德主持了一个合作项目，引入一种概念验证，叫做SPOKES，即“光谱视野仿真工作流程”的缩写。该项目模拟预估的宇宙学参数，例如一个被称为暗能量状态方程的参数，它决定着宇宙的最终命运。这包含了我们已经观测过的关于宇宙的物理常数，以及观测星系的仪器信息，以便推测计算参数。从本质上说，这是一种程序机制，不仅可以模拟宇宙，还可以模拟望远镜和宇宙之间的相互影响。

诺德思考添加了“机器学习”技术后，这个系统会是什么样子。“机器学习”算法能够用于生成观察宇宙的最佳实验配备——例如如何分配光纤以观察不同波长的光——从而计算暗能量状态方程。然后，可以根据这些参数将模拟望远镜替换为实际望远镜，而这又为模拟提供新数据。模拟将根据新收到的数据进行更新，并自动指向。从理论上讲，一旦模拟宇宙和真实宇宙？？？？，天文学家就可以看看模拟给出的暗能量状态方程的结果。

诺德提议了这样一个实验，叫做“自动宇宙学实验”，英文简称：ACE，用于2019年由美国阿贡国家实验室组建的科学市政厅人工智能。这样一个系统，自主产生关于宇宙在模拟中的状态的假设，然后通过实时选择观测目标，来测试这些假设，他为此潜力感到兴奋。把人类的影响抛开，这样一个系统可能会发现的新天体或关于宇宙的真相，而这些真相，也许曾因为人类的偏见或错误干预，导致错过它们。例如，有一种众所周知的人类固有通病，被称为“Malmquist”偏见，它主要是说：人类更倾向于观测某些更明亮的物体（比如星系），这导致了观测范围不全面。也许自动化系统可以避免这种情况。

尽管这样一个完全自动化的实验，是算法生成的虚拟领域，但它建立在人工智能和天文学之间越来越多的协同增效的基础上。人工智能可以对天空中的物体（如遥远的星系和超新星）的图像进行整理，对观测结果预先进行分类，以便天文学家能够很容易挑选出，仅与其工作相关的部分图像。科研人员已经使用“机器学习”技术，来预测一些宇宙的物理参数，并降低天空图像中的干扰。普林斯顿大学的Elahesadat.纳吉布领导的一个科学家团队，设计了一种方法，即:使用“机器学习”技术，来安排即将到来的大口径全景巡天望远镜的观测，类似于诺德的自主运行望远镜的构想。

“机器学习”技术的大比重参与，带来了一些独特的挑战。“算法”被认为是“黑匣子”；很难准确了解它们在做什么、以及为什么这样做。约书亚·皮克是美国空间望远镜研究所的副天文学家，他对美国科技博客网站Gizmodo解释说：“仅仅是选择要观察的物体时，就会产生偏向，人工智能非常善于利用这一点，甚至会犯下潜在的有害错误。人们对这些系统，抱持有很多可以理解的怀疑。”也许最大的挑战，只是找出如何在算法上最好地表达宇宙——这需要找到有专业知识的人。

人类永远不会停止仰望星空，因为，完全了解我们的宇宙，是深刻在人类本性里的一个最终目标。但随着望远镜获取庞大的数据量，随着科学家们继续为宇宙最深的问题而困扰，我们显然需要一些帮助，需要一些来自思考方式与人类稍有不同的东西的帮助。

BY: Ryan F. Mandelbaum

FY: 椒椒

如有相关内容侵权，请在作品发布后联系作者删除

转载还请取得授权，并注意保持完整性和注明出处