▲圖:美國(guó)宇航局(NASA)行星防御協(xié)調(diào)辦公室(Planetary Defense Coordination Office)利用位于亞利桑那州圖森的卡塔利娜天空勘測(cè)(Catalina Sky Survey)設(shè)施將太空物體進(jìn)行編排歸類(lèi)(圖片來(lái)源/亞利桑那大學(xué)卡塔利娜天空勘測(cè))
即使在這個(gè)高速數(shù)據(jù)分析的時(shí)代,在研究潛在的撞擊地球小行星的圖像時(shí),敏銳的人眼通常更勝一籌。然而,人工智能(AI)的出現(xiàn)帶來(lái)了更佳方案。
總部位于加州El Segundo的航空航天公司(Aerospace Corporation)目前在測(cè)試一款A(yù)I軟件,旨在幫助天文學(xué)家加快識(shí)別并跟蹤觀察那些具有威脅性的近地球天體(NEO)。
一直以來(lái),美國(guó)宇航局的行星防御協(xié)調(diào)辦公室已經(jīng)使用了大量的望遠(yuǎn)鏡,來(lái)尋找和監(jiān)測(cè)可能會(huì)撞擊地球的近地球天體。但這家非營(yíng)利性航空航天公司的AI團(tuán)隊(duì)則正在與NASA合作,開(kāi)發(fā)一種名為NEO AID(近地球天體人工智能探測(cè))的軟件,以區(qū)分可能構(gòu)成真正威脅的小行星和彗星的誤報(bào)。
每天晚上,位于亞利桑那州圖森市Mount Lemmon的卡塔利娜天空勘測(cè)等地點(diǎn)的研究人員,都要仔細(xì)研究數(shù)百?gòu)埿怯驁D像,搜尋需要進(jìn)一步觀察的快速移動(dòng)物體。正是在這里,Aerospace Corporation的人工智能工程師利用100TB的數(shù)據(jù),來(lái)構(gòu)建和訓(xùn)練人工智能模型,訓(xùn)練出來(lái)的模型現(xiàn)在可以將需要進(jìn)一步分析的NEO目標(biāo)進(jìn)行分類(lèi)。根據(jù)Aerospace Corporation計(jì)算,這項(xiàng)新的AI科技已經(jīng)將“天空勘測(cè)”的性能提高了10%,而且還存在進(jìn)一步發(fā)展空間。
美國(guó)國(guó)家航空航天局的近地球天體研究中心表示,逾90%的直徑超過(guò)一公里大小的NEO已經(jīng)被發(fā)現(xiàn),現(xiàn)在NEO計(jì)劃的重點(diǎn)是尋找90%直徑超過(guò)140米大小的NEO。然而,仍然有直徑在10-20米范圍的太空巖石接近地球的距離比月球到地球的距離更近。這種情況每月至少發(fā)生一兩次,如果這些物體中的任何一個(gè)真的落在人口密集地區(qū),造成的損失無(wú)疑是巨大的。
那么,究竟這一新的AI技術(shù)將如何幫助NASA進(jìn)行當(dāng)前的搜索呢?
NASA仍然依靠人眼來(lái)確定NEO的威脅評(píng)估。現(xiàn)在的希望是,能通過(guò)AI將圖像分類(lèi)為優(yōu)先級(jí)較高或優(yōu)先級(jí)較低,以簡(jiǎn)化整個(gè)過(guò)程。
▲圖:作為輸入數(shù)據(jù)的一個(gè)例子,航空航天公司的科學(xué)家分析了數(shù)千個(gè)近地球物體候選圖像, 圖像序列每一項(xiàng)為四個(gè)30秒曝光。(圖片來(lái)源/亞利桑那大學(xué)卡塔利娜天空勘測(cè))
Aerospace Corporation公司人工智能分析及創(chuàng)新部門(mén)的高級(jí)項(xiàng)目負(fù)責(zé)人Jon Neff透露,該公司開(kāi)發(fā)的軟件技術(shù)減少了人類(lèi)觀察者必須審查的虛假識(shí)別的數(shù)量。他表示,人類(lèi)的眼睛和大腦非常善于發(fā)現(xiàn)圖像的微小差異。
通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò),模仿人類(lèi)對(duì)望遠(yuǎn)鏡拍攝的夜空?qǐng)D像進(jìn)行分類(lèi)的方式,天文學(xué)家可以識(shí)別出極有可能是NEO的物體。但是Neff很快指出,這種新的NEO AID技術(shù)是為了與現(xiàn)有的測(cè)量方法優(yōu)勢(shì)互補(bǔ),而不是取代它們。
至于技術(shù)成本呢?
Neff說(shuō),原型軟件的開(kāi)發(fā)成本約5萬(wàn)美元,而一個(gè)可運(yùn)行的軟件系統(tǒng)最終花費(fèi)約為50萬(wàn)美元。
大部分毀滅地球文明的彗星對(duì)于天文學(xué)家來(lái)說(shuō)仍然是盲區(qū),這種技術(shù)如何幫助天文學(xué)家提前發(fā)現(xiàn)這種彗星呢?
Neff談到,與癌癥一樣,生存的關(guān)鍵是早期發(fā)現(xiàn)和診斷。第一步是將望遠(yuǎn)鏡對(duì)準(zhǔn)可能找到此類(lèi)彗星的地方;下一步就是對(duì)數(shù)以百萬(wàn)計(jì)的圖像進(jìn)行分類(lèi),找出潛在威脅的少量物體。
“我們的技術(shù)可以提高檢測(cè)新物體的速度,可以幫助拯救地球文明。”Neff說(shuō)道,“如果我們能夠及早發(fā)現(xiàn)威脅,我們就有時(shí)間引開(kāi)這些威脅。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。