看上去，人工智能也許能夠幫助天文學家有效地解決大數據天體物理時代所面臨的難題。然而，人工智能真的是萬能的么？本文將從目前機器學習的局限性探討一下機器學習在天體物理中的應用范圍。
01剛需：大數據天體物理時代到來
      隨著觀測技術的發展，天文數據呈指數型增長。例如，著名的斯隆巡天（The Sloan Digital Sky Survey）[1] 開始于2000年，觀測到了約300萬個天體，數據量大約是40TB。而目前正在運行的暗能量巡天（The Dark Energy Survey）[2]的數據量至少是斯隆巡天的100倍。未來歐洲的歐幾里得巡天（Euclid）[3]以及美國的大視場時空巡天（LSST）[4] 則會把數據量推到驚人的50PB和200PB（1PB=1024TB）。
      僅僅是可觀測星系一種天體的樣本數目，就將達到數十億。因此，以往傳統編程加人工處理方式的效率已經不足以應付這樣龐大的數據量了。例如，把上百億的星系按照哈勃星系圖表（圖1）分類的工作量就多到讓人望而卻步，這還僅僅是天體物理學研究的基本操作。
      也就是說，高效的自動化數據處理將成為剛需。幸好人工智能技術在過去的十幾年里有了突飛猛進的發展，比如圖樣識別技術已經可以快速地把互聯網上的圖片進行分類。天文學家們受此啟發，開始把人工智能領域里的相關技術應用到天文數據的自動化處理中。
      本文由培訓無憂網AAA教育專屬課程顧問整理發布，希望能夠對想參加北京大數據分析培訓的學生有所幫助。更多大數據分析培訓課程資訊歡迎關注培訓無憂網大數據人工智能培訓頻道或添加老師微信：15033336050

      注：尊重原創文章,轉載請注明出處和鏈接 http://m.hebeijilong.cn/news-id-11358.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050