ESA 用 AI 筛查哈勃近亿张图像：两天半揪出 800 多个未知天体

哈勃太空望远镜在轨工作了 35 年，给地球传回了难以计数的宇宙照片。问题是，人类天文学家的肉眼再厉害，也根本看不过来这么庞大的数据。

很多奇形怪状的星系和天体，就这么静静在档案库的硬盘里躺了几十年。

欧洲航天局（ESA）的两位天文学家 David O'Ryan 和 Pablo Gómez 决定让 AI 来帮忙。他们做了一个叫 AnomalyMatch 的神经网络，专门负责在太空图像里抓取不正常的异类。

两天半翻完近一亿张图

训练完成后，他们把 AnomalyMatch 扔进了哈勃遗产档案（Hubble Legacy Archive）里。

这个档案库装满了哈勃 35 年来留下的数万个数据集。ESA 自己也承认，虽然受过专业训练的科学家很擅长发现宇宙异常，但面对哈勃这种体量的数据，想要靠人工逐张细看根本不现实。

AI 的效率展现得淋漓尽致。

仅仅用了两天半时间，AnomalyMatch 就翻完了近 1 亿张图像切片，并筛出了一份高可疑度的异常天体名单。

当然，AI 并没有完全取代天文学家。最终 Gómez 和 O'Ryan 对候选名单进行了人工复核，确认了 1400 个真正的异常天体。

最惊人的是，在这 1400 个目标里，有超过 800 个此前从未被任何学术文献或档案记录过。

水母星系与未解之谜

从被揪出来的这些天体来看，大部分是正在发生碰撞或相互作用的星系。

因为引力撕扯，它们往往拖着长长的气体与恒星尾巴，形状非常古怪。

AI 还挑出了一批引力透镜现象，也就是前景星系的引力把背景星系的光线扭曲成了弧形或光环。

此外，名单里还包括侧向朝向我们的行星形成盘、带着巨大恒星团块的星系，以及外形奇特的水母星系。

甚至还有几十个天体彻底难倒了研究人员，它们呈现出来的特征完全无法归入现有的任何已知分类体系中。

正如 Gómez 所说，大家都以为哈勃的数据已经被全世界科学家翻得差不多了，没想到还能在里面挖出这么多新东西。

为什么重要

我们认为，这项研究给科学界展示了 AI 最健康、最纯粹的一种用法：它不是用来凭空生成幻觉，而是用来给人类当超级筛选器。

对天文学家和科研人员来说，值不值得试已经不是一个问题，而是不得不试。传统科研的瓶颈早就不是观测设备不够好，而是下行的数据太多，人类根本处理不过来。

AnomalyMatch 的聪明之处在于它的分工设计。它没有试图去替代人类做定性分析，而是把最枯燥、最耗时的粗筛工作在两天半内扫完，把原本可能需要几代研究者几十年才能翻完的海量切片压缩成一份千人级的名单，最后把确认和命名的决定权留给专业学者。

从行业影响来看，这套逻辑会迅速外溢到其他大型观测项目。哈勃的数据量在接下来的韦伯望远镜，以及即将投入运行的大型巡天望远镜面前只能算小巫见大巫。

如果老旧档案都能用这种轻量模型挖出 800 多个新天体，未来面对每天产生数十 TB 数据的新巡天项目，类似的异常检测模型将会是天文台的标配基建。

唯一的潜在隐患在于偏差。这种基于既有档案训练的异常检测模型，可能会把模型没见过的伪影当成宝藏，也可能会把真正颠覆物理学但表现形式极其微弱的信号当成噪点过滤掉。但就目前来看，这依然是激活人类科学沉淀资产最划算的一笔买卖。