快看宇宙 殺瘋了！AI殺入天體物理，徒手扒出宇宙暗物質的終極密碼

過去三年,只要你不是徹底與世隔絕,就能看見AI的身影席捲各行各業,職場裡的智能辦公工具,手機裡的智能內容推薦, ChartGTT甚至徹底改寫了人們查資料的方式,各國科研機構與科技大廠紛紛入局,把AI的潛力挖掘到極致。 如此看來,AI踏入科學研究的領域,不過是時間問題,甚至算不上新鮮。 科學家早在幾十年前就開始運用類AI的技術輔助研究工作,只是那時還沒有定下AI這個名稱。 直到大語言模型迎來爆發式發展,AI纔算真正走入各個學科領域,就連最硬核的天體物理與天文學也成了AI大展拳腳的核心陣地。 有人對變化滿心焦慮,也有人為之振奮欣喜,畢竟各大AI廠商的宣傳層出不窮。 很多人都會忍不住發問,AI真的能扛起科研的重任,當好一名合格的宇宙探索者嗎? 答案絕對超乎你的想像,只要找對方向,做好引導,AI不僅能做到,還能抵達人類窮盡腦力也觸不可及的高度。 AI與機器學習工具早已不是簡單的科研輔助,科學家正依託技術,攻克那些其它研究方法根本無法破解的宇宙難題。 AI有能力徹底重塑人類對宇宙的認知,只是能力需要我們把握好尺度,絕不能任由技術偏離正軌。 今天我們就深入聊聊AI在天文學與物理學領域的亮眼表現,看看哪些科研方向裡,AI不只是錦上添花,更是唯一能挑起重擔的存在。 當然,我們也需要看清這項硬核技術背後潛藏的問題,避開那些暗藏風險的科研陷阱。 這是快看宇宙第326期,故事要從2023年的一次宇宙驚喜說起。 2023年7月,歐吉里德望遠鏡成功發射,宇宙天眼一經升空就全力運轉,對著超過三分之一的星空展開全域勘測。 它的核心目標只有一個,探明星系中暗物質與暗能量的分佈軌跡。 同年9月,檔案科學家布魯諾·埃爾蒂裏在歐吉里德傳回的觀測影像裡,發現一抹朦朧的光蘊,縈繞在NGC6505星系周邊,正是天文學家苦苦追尋的宇宙奇觀——愛因斯坦環。 高分辨率的清晰影像傳回後,所有人都看清了環的完整模樣,極致的對稱與完美,稱得上一場震撼的宇宙視覺盛宴。 愛因斯坦環是宇宙中極其罕見的光影現象,它並非真實存在的天體,而是強引力透鏡效應的極致展現。 簡單來講,有一個星系藏在NGC6505的後方,發出的光線穿越NGC6505時,引力會狠狠彎折光線,最終讓光線朝著地球的方向匯聚。 NGC6505的引力會讓周邊的時空產生彎曲,只要前景星系,背景星系與地球三者的位置精準對齊,光線的彎折就會均勻分佈在前景星系的四周,最終匯聚成一枚完整的圓環。 完美對齊的概率低到極致,只要三者的位置稍有偏差,我們能看到的就只有一段弧形光韻,甚至連一絲光影痕跡都捕捉不到。 這份稀有,也讓愛因斯坦環的科研價值無比珍貴。科學家能藉助它精準測算星系內核的總質量,相當於手握一把高精度的宇宙質量標尺。 如果測算出的總質量超出我們能觀測到的天體質量總和,那多出的部分大概率就是我們看不見也摸不著的暗物質。 除此之外,愛因斯坦環還能化身宇宙放大鏡,讓我們看清望遠鏡原本無法觸及的遙遠星系。 靠著天然加持,人類能挖掘更多宇宙深處的未知奧祕,只是偶然的驚喜,很難復刻。 未來人類想要找到更多愛因斯坦環,根本無法依靠肉眼在海量數據裡碰運氣。 核心原因只有一個,歐幾裏德傳回的觀測數據已經達到了海量級別的規模,它繪製的星空圖譜,單份容量就以P字節計算,足足有數百分之多。 我們可以做個直觀的對比,家用電腦的存儲容量大多在千兆級別,頂配機型的存儲也不過幾泰字節, 一泰字節等於一千千兆,而一泰字節等於一千泰字節。 想要完整存儲星空圖譜,需要近千臺家用電腦的存儲容量總和。 2024年末,歐幾裏德只公佈了完成版星空圖的1%,就包含1億個宇宙光源,要麼是獨立恆星,要麼是完整的星系。 人類的大腦根本無法處理如此龐大的信息,成千上萬的愛因斯坦環就隱匿在數據之中,單靠人力逐一篩查,恐怕要耗費幾代人的時間,效率低到難以想像。 更棘手的是,強引力透鏡效應還不是歐幾裏德的核心觀測目標,天眼的主要任務是尋找宇宙中的弱引力透鏡效應。 這兩種效應的原理相通,只是弱引力透鏡的主體從單一星系變成了整片星系團,光線受引力彎折的對象也不再是單一星系,而是一種偏離統計平均值的星系。 宇宙中的恆星與星系分佈都有可預判的平均密度,只要觀測任意一片星域,就能看出偏體是否偏離了平均值。 弱引力透鏡的觀測核心就是尋找那些星系,它們的光線被星系團的引力輕微彎折,最終呈現的位置與原本的運行軌跡產生偏差,細微偏差交織在一起,會形成淡淡的環形光影。 想要依靠人類的雙眼從海量數據裡捕捉到細微偏差,無異於大海撈針,難度達到了極致。 好在弱引力透鏡的科研價值和強引力透鏡完全一致,科學家能藉助它建立宇宙模型,最終會出三分之一星空裡的暗物質分佈全貌。 這種級別的計算與數據篩查,人類根本無法完成,AI卻能輕鬆應對,也是AI在天文學領域的絕對主場。 AI能站穩腳跟,始終離不開機器學習的加持。科學家可以訓練機器學習模型,讓它在海量數據裡精準識別強弱引力透鏡的痕跡,成功案例早已屢見不鮮。 天文學家曾依靠AI從智力聖大望遠鏡的觀測影像裡,一次性篩選出56個引力透鏡候選體。 日本也曾發起過一項公民科學計劃,1萬名志願者從卯星團望遠鏡的觀測數據裡篩選出2萬個星系。 科學家用數據完成AI訓練後,又在數據裡識別出41萬個星系,精準度高達98%。 機器學習在天文學領域的成就遠不止這些,還幫助人類從開普勒望遠鏡的觀測數據裡發現了不少系外行星。 既然能完成複雜工作,訓練它識別愛因斯坦環與弱引力透鏡的痕跡自然不在話下。 只要為AI配備足夠強勁的算力,再將拍字節級別的觀測數據輸入其中,它就能從數據裡梳理出所有隱藏的宇宙規律。 這份能力,讓人類的宇宙觀測實現了跨越式的突破。 哪怕AI的識別精準度達不到100%,也能推動人類對宇宙的認知向前大步邁進。 沒人能預知,AI從海量數據裡梳理出的規律,能解開多少困擾人類已久的宇宙謎題。 更讓人驚喜的是,AI的能力不止於梳理數據與尋找規律。 如今的大語言模型,還解鎖了設計實驗的全新能力。 它的創新思路天馬行空,就連頂尖的科研學者都畏之讚歎。 引力波天文臺LEGO就是最好的例證。 擁有兩臺4000米長的激光干涉儀,靠著極致的精密構造,能捕捉到宇宙中的引力波信號。 黑洞合併、超新星爆發等極端宇宙事件,都會在時空之中激起引力波的漣漪,LEGO就能捕捉到細微波動。 它的靈敏程度已經達到極致,能檢測到鏡面之間質子萬分之一寬度的距離變化。 即便如此,科學家依舊希望能進一步提升它的觀測能力。 2000年代中期參與過LEGO優化設計的科學家拉娜·阿迪卡里將希望寄託在一款名為烏拉尼亞的專屬AI身上。 她為AI劃定了可使用的元器件範圍,隨後徹底放手,讓它自主設計能提升觀測靈敏度的方案。 初期的AI設計思路混亂,拿出的方案毫無章法,既沒有對稱結構,也沒有合理邏輯,只是一堆雜亂的零件組合。 科研團隊沒有放棄,反復優化輸入的參數與條件。 慢慢地,AI的設計思路逐漸清晰,最終拿出的方案依舊造型奇特,甚至帶著幾分外星科技的怪異感。 但神奇的是,方案完全具備落地條件,能讓LEGO的觀測靈敏度提升10-15%。 最讓科研團隊頭疼的是,阿迪卡里與同事們完全無法理解AI的設計邏輯,就是人們常說的AI黑箱特性。 它能拿出絕佳的方案,卻沒人能摸清它的思考路徑。 團隊耗費數月時間拆解分析設計,終於摸清了其中的關鍵。 AI在設計中運用了羅羅斯物理學家數十年前提出的量子降造理論,此前一直被主流科研界擱置,從未真正投入實踐應用。 AI不僅將理論融入設計,還在探測器與主幹涉儀之間設計出一條3000米長的環形光路, 讓光線在光路中循環折射,最終實現降造與靈敏度提升的雙重效果。 這份設計對現有的LIGO來說稍晚一步,但未來的引力波探測器都能借鑒思路,實現觀測能力的飛躍。 正是AI最珍貴的價值所在,它不會被傳統理論束縛,也不會被固有認知侷限,總能跳出常規的思維框架,拿出人類從未設想過的經驗創新設計。 這樣的能力,讓科學界對AI的依賴程度越來越深,相關的數據也印證了趨勢。 2023年《自然》期刊發布的調研結果顯示,過去十年裡,標題或摘要中提及AI的科研論文佔比從2%飆升至8%,漲幅足足4倍。 針對1600名科學家的問卷調研中,超過半數的研究者表示, AI能加快計算速度,高效處理海量數據,還能節省大量的研究時間與科研經費。 25%的科學家會藉助AI開展頭腦風暴,挖掘全新的研究思路。 15%的人認為,AI能直接生成完整的全新研究假說,為人類打開新的科研方向。 AI甚至能參與科研論文的撰寫,讓薈色難懂的專業內容變得通俗易懂。 還能精準翻譯成多國語言,讓一篇研究成果被更多人看見,恰好解決了科研工作者的一大痛點。 講到這,我們聊的都是AI的高光時刻,但凡事皆有兩面性。 強大技術背後,也藏著無法忽視的短板,是科學家們憂心忡忡的核心原因,擔憂絕非杞人憂天。 第一個痛點,就是我們剛剛提到的黑箱特性。 AI能給出完美的答案,能設計出驚艷的方案,卻無法向人類解釋背後的邏輯與思路。 科學研究的核心,從來都不是單純拿到答案,而是弄懂得出答案的完整過程。 如果只知曉最終結果,卻摸不清背後的原理,答案就如同那句宇宙的終極答案是42一般,毫無實際意義,更談不上真正的科研進步。 第二個痛點,比黑箱特性更致命,AI給出的答案未必都是真實可靠的。 2024年英國皇家學會發佈的研究報告中,就明確發出預警,科研工作必須做好嚴格的數據分析與審核,嚴防AI污染甚至捏造研究數據。 AI的核心邏輯本就是貼合人類的需求,只要它判定捏造的數據能讓結果更完美,就會毫不猶豫地這麼做。 看似地自作聰明,會徹底摧毀科研工作的嚴謹性。報告還指出,越來越多依託機器學習完成的研究都無法被重複驗證, 其他人根本無法複刻實驗得出相同結果,尤其是那些研究者本身都無法理解AI邏輯的實驗, 不可複現的特性會讓研究成果的可信度徹底歸零,這樣的擔憂早已成為科研界的共識。 那份1600名科學家參與的問卷調研裡,近70%的研究者擔心AI會擴散不實科研信息,也擔憂AI會讓學術抄襲的行為更難甄別。 超過60%的人認為,AI會將錯誤與刻意的虛假信息帶入科研領域。 近50%的人直言,AI會讓數據中潛藏的偏見與歧視被無限放大。 畢竟AI的學習藍本都是人類的數據,人類本身就存在認知偏見,自然會出現劣質數據輸入、劣質結果輸出的情況, 被放大的偏見會讓科研結果漸漸偏離客觀真相。 萬幸的是,天文學領域有一道天然的複合防線,只要AI判定某一位置存在星系, 我們只需將望遠鏡對準星域,就能驗證答案的真偽,但複合方式只適用於少量的天體觀測。 當AI檢測出的天體數量達到數萬甚至數百萬,人類根本沒有精力逐一驗證, 我們能做的只有做出合理的權衡取捨,用一點點精準度的讓步,換取海量數據中潛藏的宇宙規律。 這份取捨無可厚非,但所有人都必須牢記,面對AI,我們要始終保持警惕,摸清它的短板與侷限, 做好必要的複合驗證,永遠不能將所有的科研決策權都交到冰冷的算法手中。 如今的AI是科研路上最靠譜的探路者,它能幫人類找準研究方向, 能給出天馬行空的創新思路,更能攻克人類難以破解的科研難題。 我們完全可以滿懷期待,在未來的科研領域裡,AI會與人類並肩前行,挖掘出更多真實、可驗證、有價值的宇宙奧祕。 就連2026年10月歐幾裏德即將傳回的全新觀測數據,機器學習能從中挖掘出的驚喜,都足夠讓人心生憧憬。 當AI能看透宇宙深處的隱密規律,能設計出人類窮盡腦力也無法構想的實驗方案, 能在海量數據裡揪出我們看不見的宇宙真相,我們究竟該將探索宇宙的羅盤交到冰冷的算法邏輯手中, 還是握緊人類心中永不熄滅的好奇心與求真之心?