虽然行星搜寻望远镜们能够非常出色地完成人类交托的工作，它们已成功确定了太阳系外数千个“候选行星”的位置。但这背后，还是少不了科学家们从海量数据中进一步“去伪存真”——确定那究竟是真正的行星，还是小故障、小行星、尘埃或是碰巧遇上的双子星。

比如美国航空航天局(NASA)凌日系外行星调查勘探卫星(TESS)这样的望远镜，它们通常以亮度下降为判定依据，这意味着每当有任何物质经过恒星时，望远镜都会收集数据。

可喜的是，英国华威大学已研究出一套计算机学习算法，可利用人工智能(AI)来处理一些繁重的行星确认工作，毫无疑问，这给天文学家提供了一个有效减负、提升效率的新工具。

该研究小组由天文学家戴维·阿姆斯特朗领导，他们通过创建计算机学习算法，让AI对大量“候选行星”进行观测。

据悉，在让AI学习完算法后，研究团队利用NASA已退役的开普勒太空望远镜收集的已确认行星数据和误报数据，对其进行训练。随后，他们让AI系统分析了另一组完全未经证实的“候选行星”数据，在第一次尝试中，这套AI系统就从中确认了50颗新行星。

阿姆斯特朗表示，用AI系统确认行星，可以帮助科学家们将人力物力用于对太空更有意义的研究中，而不是把时间浪费在“假”行星上，“比起确认哪些候选行星更有可能是真的行星，我们现在只能说出精确统计后的可能性。如果一个候选行星的假阳性概率小于1%，那么它就可以被认定为是一颗通过验证的行星。”阿姆斯特朗介绍道。

科技新闻网站CNET则评论称，利用AI来确认行星是一种能力上的进步，科学家们也一直在使用这一系统对“候选行星”进行统计排名。经过机器学习，AI有望在今后大量的候选行星观测中，帮助人类确认更遥远的世界。

据澳洲新闻网报道，宇宙中的行星们可能数以百万计，但研究人员表示，一旦计算机算法被建立、训练完成，AI确定行星的速度能够比现在更快，操作有望实现完全自动化，甚至能在输入信息有限的情况下分析大量数据。

此外，这项技术有望被应用于对NASA的TESS任务、欧洲航天局(ESA)的柏拉图任务等产生的大量数据进行筛选。据悉，仅TESS主要任务一项，就发现了66颗新的系外行星和2100个候选行星。

不过，阿姆斯特朗也表示，他们仍然需要花更多的时间去训练计算机算法和机器学习，一旦训练完成，AI系统就能更容易地被应用到未来的候选行星筛选中，“我们也可以结合新的行星发现来逐步改进它。”

成都商报-红星新闻记者

王雅林 徐缓 实习生 景钰雯