▲图:美国宇航局(NASA)行星防御协调办公室(Planetary Defense Coordination Office)利用位于亚利桑那州图森的卡塔利娜天空勘测(Catalina Sky Survey)设施将太空物体进行编排归类(图片来源/亚利桑那大学卡塔利娜天空勘测)
即使在这个高速数据分析的时代,在研究潜在的撞击地球小行星的图像时,敏锐的人眼通常更胜一筹。然而,人工智能(AI)的出现带来了更佳方案。
总部位于加州El Segundo的航空航天公司(Aerospace Corporation)目前在测试一款AI软件,旨在帮助天文学家加快识别并跟踪观察那些具有威胁性的近地球天体(NEO)。
一直以来,美国宇航局的行星防御协调办公室已经使用了大量的望远镜,来寻找和监测可能会撞击地球的近地球天体。但这家非营利性航空航天公司的AI团队则正在与NASA合作,开发一种名为NEO AID(近地球天体人工智能探测)的软件,以区分可能构成真正威胁的小行星和彗星的误报。
每天晚上,位于亚利桑那州图森市Mount Lemmon的卡塔利娜天空勘测等地点的研究人员,都要仔细研究数百张星域图像,搜寻需要进一步观察的快速移动物体。正是在这里,Aerospace Corporation的人工智能工程师利用100TB的数据,来构建和训练人工智能模型,训练出来的模型现在可以将需要进一步分析的NEO目标进行分类。根据Aerospace Corporation计算,这项新的AI科技已经将“天空勘测”的性能提高了10%,而且还存在进一步发展空间。
美国国家航空航天局的近地球天体研究中心表示,逾90%的直径超过一公里大小的NEO已经被发现,现在NEO计划的重点是寻找90%直径超过140米大小的NEO。然而,仍然有直径在10-20米范围的太空岩石接近地球的距离比月球到地球的距离更近。这种情况每月至少发生一两次,如果这些物体中的任何一个真的落在人口密集地区,造成的损失无疑是巨大的。
那么,究竟这一新的AI技术将如何帮助NASA进行当前的搜索呢?
NASA仍然依靠人眼来确定NEO的威胁评估。现在的希望是,能通过AI将图像分类为优先级较高或优先级较低,以简化整个过程。
▲图:作为输入数据的一个例子,航空航天公司的科学家分析了数千个近地球物体候选图像, 图像序列每一项为四个30秒曝光。(图片来源/亚利桑那大学卡塔利娜天空勘测)
Aerospace Corporation公司人工智能分析及创新部门的高级项目负责人Jon Neff透露,该公司开发的软件技术减少了人类观察者必须审查的虚假识别的数量。他表示,人类的眼睛和大脑非常善于发现图像的微小差异。
通过训练神经网络,模仿人类对望远镜拍摄的夜空图像进行分类的方式,天文学家可以识别出极有可能是NEO的物体。但是Neff很快指出,这种新的NEO AID技术是为了与现有的测量方法优势互补,而不是取代它们。
至于技术成本呢?
Neff说,原型软件的开发成本约5万美元,而一个可运行的软件系统最终花费约为50万美元。
大部分毁灭地球文明的彗星对于天文学家来说仍然是盲区,这种技术如何帮助天文学家提前发现这种彗星呢?
Neff谈到,与癌症一样,生存的关键是早期发现和诊断。第一步是将望远镜对准可能找到此类彗星的地方;下一步就是对数以百万计的图像进行分类,找出潜在威胁的少量物体。
“我们的技术可以提高检测新物体的速度,可以帮助拯救地球文明。”Neff说道,“如果我们能够及早发现威胁,我们就有时间引开这些威胁。”
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。
上海AI实验室团队发现自回归图像生成模型存在局部依赖、语义不一致和空间不变性缺失三大问题,提出ST-AR训练方法。该方法通过掩码注意力、跨步骤对比学习和跨视角对比学习,让AI"先理解再生成"。实验显示,ST-AR将LlamaGen模型的图像理解准确率提升一倍以上,图像生成质量提升42-49%,为构建更智能的多模态AI系统开辟新路径。