【博科园-科学科普】人工智能不仅对客户服务聊天机器人和手机的私人助理有好处，而且在这个领域的进步也在帮助革新科学研究。
来自美国能源部SLAC国家加速器实验室和斯坦福大学的科学家已经证明，一种名为“神经网络”的人工智能可以精确地分析时空中复杂的扭曲现象，比传统方法快1000万倍。
分析通常需要数周甚至数月才能完成，而且需要专家的输入还是是计算上的要求，但可以通过神经网络在几分之一秒内在一个完全自动化的方式上在手机的或电脑芯片上完成，劳伦斯和博士后Perreault Levasseur合著者将研究发表在《自然》期刊上。
团队在卡夫粒子天体物理学和宇宙学研究所联合线性和斯坦福研究所使用神经网络强大的引力透镜的图像，在一个遥远的星系的照片和扭曲乘以一个巨大物体的引力接近我们，如星系团等。这些扭曲使得科学家们能够计算出在太空中的质量如何分布以及随着时间的推移，这种分布是如何变化的，这两种物质都与无形的暗物质有关，而暗物质和暗能量占了我们宇宙的95%（剩下的5%则是普通物质如星系，恒星，地球和组成我们的基本物质粒子）。
KIPAC的科学家们首次利用人工神经网络分析了时空中复杂的扭曲现象，称为引力透镜，这表明这种方法比传统的分析方法要快1000万倍。图片版权：格雷格·斯图尔特/ SLAC国家加速器实验室
以前神经网络已经被用于天体物理学简单的应用，例如确定一张图片是否显示了引力透镜，但这个实验远远不止于此。
我们检测的神经网络——三个公开的神经网络和一个我们自己开发，能够确定每个镜头的属性，包括它的质量是如何分配和多少放大图像的背景星系，这项研究的主要作者Yashar Hezaveh,NASA的哈勃学院博士后研究员KIPAC。
随着我们对宇宙的进一步了解，我们获得的数据量也在增长。但仔细研究所有这些数据就成了一项艰巨的任务。
例如大型综合光学测量望远镜(LSST)，其320亿像素的摄像头目前正在SLAC的建设中，预计将把目前已知的强大引力透镜的数量从现在的几百个增加到数万个。
我们没有足够的人能够及时地用传统方法分析所有这些数据，Perreault levasur说：神经网络将帮助我们识别有趣的物体并快速分析它们。这将给我们更多的时间来询问关于宇宙的正确问题。
顾名思义，神经网络模仿人类大脑的工作方式，在那里一个密集的神经元网络快速处理和分析信息。
令人惊奇的是神经网络本身可以学习寻找什么特征，该论文的作者之一KIPAC的工作人员Phil Marshall说：这与小孩子学习识别物体的方式类似。你不能确切地告诉他们狗是什么，你只给他们看狗的照片。
但在这种情况下，希斯维说：就好像他们不仅从一堆照片中挑选了狗的照片，而且还传回了有关狗体重、身高和年龄的信息。
科学家们在斯坦福研究计算中心(Stanford Research computing Center)上使用了“神探夏洛克”(Sherlock)高性能计算集群，但他们测试的一个神经网络被设计成在iphone上工作，提高了这些复杂的推理可以在科学家的手机上高速进行的可能性。
作者：Brid-Aine Parnell（科技记者）
来自：Forbes science
编译：完美的球
审校：博科园
