全球的科学家和政府一直对宇宙充满了浓厚的兴趣，因为它不仅关系到人类起源的秘密，还包含了许多宇宙奇观，包括外星生命的可能性。能够通过望远镜看到的宇宙部分被称为可见宇宙。然而，科学家和探险家们相信宇宙可能比目前所知的要大得多。
迄今为止，科学家们仅探索了大约4%的可见宇宙，这部分宇宙由行星、恒星、星系和其他天文学家和科学家能够看到并了解的天文对象组成。剩下的96%仍然是未知的。
人工智能，简称AI，是指在机器中模拟人类智能，这些机器被编程以像人类一样思考并模仿他们的行为。这个术语也可以应用于任何表现出与人类心智相关的特征的机器，例如学习和解决问题。
机器学习是人工智能领域中的一个专业分支，它处理训练机器发展智能，使它们能够使用智能完成复杂任务。机器学习算法使用大量数据帮助机器熟悉它们可能面临的不同场景。它使机器能够从训练经验中学习，并在现实生活场景中使用这些经验。
现在，如果将这两个巨大的概念——AI和太空探索结合起来，考虑到机器学习和人工智能领域的最新发展，想象一下科学家和探险家实现目标将会变得多么容易，以及它将如何影响生活。
让将这两个概念结合起来，看看已经做了什么，正在发生什么，以及还能做些什么。
使用CHIRP（连续高分辨率图像重建使用补丁先验）算法获得了黑洞的第一张图像。CHIRP是一种贝叶斯算法，用于执行射电天文学中创建的图像的反卷积。CHIRP的开发涉及来自麻省理工学院计算机科学和人工智能的大量研究人员。CHIRP使用了事件视界望远镜的图像数据，这些数据太大，需要进行图像处理。科学家们使用了Numpy、pandas和其他Python库来缩小数据规模，进行数据相关性和校准。机器学习也用于图像分析。
# 链接到更多细节
https://numpy.org/case-studies/blackhole-image/
现在已经拥有了黑洞的第一张图像，科学家和研究人员正在努力获得更准确的黑洞图像。为此，他们可能会开发更复杂的算法，这些算法将使用更多的机器学习和人工智能。
请记住，对深空的许多对象仍然一无所知，因此应用机器学习和深度学习将有助于对对象类型进行分类，这些研究在未来可能会导致识别越来越多的新对象，从而帮助科学家和探险家进行太空探索。
“星际穿越”中的TARS和CASE这两个名字是否让想起了什么？是的，正在谈论电影《星际穿越》中的机器人（如果还没有看过，强烈推荐去看）。如果记得TARS和CASE在电影中的角色，想象一下它们在现实生活中如何帮助宇航员。
科学家们正在开发基于AI的助手，以协助宇航员执行月球、火星和更远的任务。这些助手旨在理解并预测机组人员的需求，并理解宇航员的情绪和心理健康，并在紧急情况下采取必要行动。它们是如何做到这一点的呢？答案是情感分析。情感分析（也称为意见挖掘或情感AI）是自然语言处理（NLP）的一个子领域，它试图识别和提取给定文本中的意见，这些文本可以是博客、评论、社交媒体、论坛、新闻等。
另一方面，机器人在物理助手方面可能更有用，比如帮助驾驶宇宙飞船、对接宇宙飞船和处理对人类不安全的危险条件。这些听起来可能很假设，但它将对宇航员提供很大的帮助。
2018年，美国宇航局在英特尔的帮助下开发了一个AI系统，帮助宇航员在行星上找到他们的路。这个新的导航系统将帮助宇航员轻松地通过最短的可能路线在行星表面导航。科学家们将这个程序应用于月球，这个系统的工作原理是模拟月球表面，然后将其与当地环境进行比较。AI将被训练成使用数百万张月球图像，然后使用神经网络创建一个虚拟的月球地图。然后，同样的算法被应用于火星探索计划。
美国宇航局的开普勒望远镜旨在确定类似太阳的恒星周围地球大小行星的频率，但这些行星位于任务检测灵敏度的边缘。准确地确定这些行星的发生率需要自动和准确地评估个别候选者确实是行星的可能性，即使在低信噪比下也是如此。
为了克服这个限制，来自谷歌和其他科学家的研究人员使用了名为AstroNet K2的卷积神经网络来预测开普勒太空望远镜的给定信号是正在过境的系外行星还是由天体物理或仪器现象引起的假阳性。通过将这个神经网络模型训练到98%（大约），他们成功地识别了两个新的系外行星，分别是开普勒80g和开普勒90i，它们分别围绕开普勒80恒星系统和开普勒90恒星系统运行。