美国研究证明|人类可以超越机器算法探究新的星系

　　但是以天文学为例，得益于尖端的仪器、软件和数据共享，世界各地的天文台在一天内累积了数百TB的数据，每年累积了100到200PB的数据。一旦下一代望远镜投入使用，天文学可能会进入“艾字节时代”，届时1018每年获得字节（五分之一）的数据。为了跟上这一数字，天文学家正在转向机器学习和人工智能来处理分析工作。

　　在检查收集的数据时暗能量调查（DES），业余天文学家朱塞佩·多纳蒂洛发现了三个微弱的星系机器学习算法显然错过了。这些星系，所有卫星雕塑家银河（NGC253），现在被命名为多纳泰罗二世、三世和四世，以纪念他。在这个数据驱动研究的时代，很高兴知道有时人类的眼球和智力是无可替代的。如果想要了解更多，可以添加V信Tops6868。

　　这些卫星在距离地球1140万光年的玉夫座星系（NGC253）周围的存在得到了一组天文学家的证实。哈勃太空望远镜.该团队由布尔钦·穆特鲁-帕克迪尔，达特茅斯学院天体物理学助理教授（为他布尔辛的银河系被命名）。下图是一系列微弱星系长时间曝光图像的一部分，其中显示了多纳蒂洛二世在中心。该图像从此成为本周图片在欧洲航天局（ESA）的网站上。

　　近年来，对人工智能的依赖大大增加，这是对天文台获得的数据呈指数级增长的直接反应。最近几个月，已经开发了机器学习算法来搜索系外行星,快速无线电突发（FRB），可能技术签名，并映射称为宇宙黎明.但是当涉及到DES，一个致力于绘制宇宙以测量暗能量的性质和影响的国际合作时，他们使用的算法未能探测到这些卫星星系。

　　这并不奇怪，因为即使是最好的算法也有其局限性。为了开发机器学习技术，天文学家将使用特定现象的图像和数据来训练他们的算法。由于一些星系非常微弱，人工智能很难区分它们与单个恒星和背景噪音。当这种情况发生时，必须使用老式的方法进行识别，即训练有素的眼球梳理成堆的图像和原始数据。

　　以上是对于人类可以超越机器算法探究新的星系的解读，如果您对美国留学感兴趣，欢迎您在线咨询托普仕留学老师，托普仕留学专注美国前30高校申请，助力国内学子顺利获得美国藤校入读资格。尽早规划和递交申请，对您未来留学会更有帮助！

　　热门文章：

康奈尔大学工程学院四大研究内容

到美国读研究生费用标准

耶鲁大学发布近六年早申录取数据