这可能是首款能够发现外星生命迹象的人工智能系统。
研究人员已经展示了一种名为RobERt (Robotic Exoplanet Recognition)的深度信念神经 络。
这种人工智能系统的目的是筛选从遥远行星系统发出的光，检索大气层气体的光谱信息。
这种系统使用机器学习技术，模拟人类认知，想象程序用于寻找太阳系以外适宜居住的星球。
伦敦大学学院的Ingo Waldmann 博士带领RobERt研发团队，他解释，“不同分子吸收和发出特定波长的光线，形成了电磁波谱范围内独特的光谱图。”
“我们可以捕捉滤过系外星球大气层的光，或者捕捉从云顶反射回来的光，把它分解成彩虹一样，提取出与不同分子或者气体相关联的鉴别性标志特征。”
这个团队让这种人工智能系统像人类一样思考。
人类大脑的确擅长发现这些光谱模式，并且根据经验标记它们，但是这项工作很耗时，而且数据量巨大。
我们建立了RobERt，旨在让它独立从例子中学习，依靠它自己的经验。
这样，像经验丰富的天 学家或者发现者一样，RobERt能够相当好地察觉出光谱中有哪些分子，哪些数据最理想，以便用于详细分析。
但是，通常人类要花费数日或者数周才能完成的事，RobERt只需要数秒钟即可完成。
深度信念神经 络（DBNs），发明于十多年前，通常用于语音识别， 络搜索以及追踪消费行为。
RobERt的深度信念神经 络有三个单元处理层，或者“神经元”。信息提供给500神经元的底层处理层，底层处理层先过滤数据，然后把一个子数据传给第二层处理层。
200神经元的第二层处理层精心筛选数据，然后将数据向上传递给50神经元的第三层处理层，使系统对气体的最终识别最可能是当下的。
为了让RobERt准备好迎接挑战，Waldmann和伦敦大学学院的同事们创建了总数为85750的模拟光谱，覆盖了5种不同类型的系外星球，从潜在的“海洋星球”GJ1214b，到WASP-12。WASP-12是一种热木星，运行轨道非常接近它的恒星。
训练中设置的每种光谱包含单一气体的鉴别性标志。当RobERt 与“控制”光谱一起训练时，每隔一段时间，RobERt的学习程序被测试。
训练后期，RobERt识别的准确率高达99.7%。
Waldmann说，“RobERt 已经学会了考虑各种因素，诸如：噪音、受限制的波长范围、混合气体。”
“甚至，当输入信息来自太空仪器的受限波段，当输入信息包含重复特征，它也能在混合气体中准确挑选出诸如水、甲烷一样的成分。”
RobERt的深度信任神经 络能被撤销，这样，它不需要分析输入系统的数据，能进入一个“想象状态”，根据自己的经验，产生全波段光谱。
Waldmann说，“机器人真的能够想象。我们可以要求RobERt想象水分子的模样，而且它非常精准地证实了。”
“当试图在不完整的数据中识别特征时，这种想象的能力非常有用。RobERt能使用它的想象填补空缺。”
RobERt将极大地帮助我们分析外星球的数据，弄清楚遥远星球的真实模样。
1号机器人 （www.1hjqr.com）机器人行业最权威媒体
声明：本站部分 章内容系出于传递信息之目的源自于第三方 站转载，行业企业、终端用户投稿。若对稿件内容有任何疑问或质疑，请立即与本 站联系，本 站将迅速给予回应并第一时间做出处理（联系邮箱：jinwei@zod.com.cn）。