中国天眼用AI寻找脉冲星背后：天文工作被重新定义 AI服务边界在不断拓宽

3月27日，工作人员在“中国天眼”总控室内。图片来源：新华社

7月10日，2021世界人工智能大会（WAIC）在上海落下帷幕。在经历过三次潮起潮落后，人工智能已然褪去了神秘的外衣，这届大会似乎也更加“务实”了。正如华为轮值董事长胡厚崑逛完展览后的最大感受：“酷炫”的技术少了，实际落地的AI应用多了。

比如在开幕式上，李彦宏分享了AI在共享无人车、智慧助老领域的落地——计划未来2~3年将共享无人车服务推广到30个城市，同时会推出“更像机器人“的汽车；又如董明珠提到的AI对制造业带来的颠覆性革命，可帮助打造“黑灯工厂”等等。

而腾讯则把AI的目光放到了137亿光年外，与国家天文台联合启动“探星计划”，帮助中国天眼FAST寻找脉冲星。AI行业人士表示，经过多年的发展，AI技术的服务边界不断在拓宽，已从“脚踏实地”发展到“仰望星空”，越来越多行业将被重新定义。

大会结束后，《每日经济新闻》记者采访了中国科学院国家天文台研究员、FAST首席科学家李菂，腾讯云副总裁、腾讯优图实验室总经理吴运声，腾讯优图实验室副总经理黄飞跃，深入探讨了AI在天文探索中的应用和难题，以及如何拓宽AI服务边界。

天文工作被AI重新定义

FAST的全称为“500米口径球面射电望远镜”（Five-hundred-meter Aperture Spherical radio Telescope），是世界上最大的射电天文望远镜，也是中国有史以来最大的天文工程，工程的核心目标在于搜寻与发现射电脉冲星。

据了解，脉冲星会周期性发射电磁波，被称作宇宙中的灯塔，是研究宇宙演化的理想天体。然而如何发现和确定脉冲星的存在，一直是天文领域难度较高的研究：脉冲星是宇宙中较为暗淡的星体，肉眼不可见，信号暗弱，且容易被人造电磁波干扰。

图片来源：腾讯提供

上图是“中国天眼”FAST捕捉到的一张“脉冲星”信号图，普通人很难从信号图中看到星星的痕迹。李菂告诉《每日经济新闻》记者，天文学家们每天需要从FAST拍摄的海量信号图中，肉眼识别出脉冲星。

肉眼识别的工作量有多大呢？吴运声表示，FAST每天将会产生500TB的数据，它在一周内产生的脉冲星观测数据，大约是3000多万张信号图，如果完全由人工肉眼处理，即使不吃不喝，1秒一张审核，也需要一年时间才能才能处理完。

“数据是对电磁场的高速采量，在这上面做信号处理和频谱分析，得到一个视频动态谱。一个维度是时间，一秒钟700转，有1万个点；另一个维度是频率，1秒钟1万谱。”李菂说道，“人眼是没办法处理的，因为太快了，（所以）我们处理的大多数情况是照片，把它截出来。但截出来以后可能量还是太大了，所以要做进一步地信息提取。”

如此巨大的数据量困扰着天文学家们。在距离FSAT一千多公里的深圳，腾讯优图实验室的研究员们也在进行头脑风暴，试图寻找更多AI落地的场景。

黄飞跃向记者回忆道，今年初，腾讯优图实验室的几位天文爱好者提出，可以将计算机视觉技术用于天文学中对脉冲星的搜索。于是，腾讯优图实验室便联系了国家天文台，双方一拍即合，达成了合作意向。

“我们是一个很小的行业，虽然目前也有运用机器学习和人工智能技术，但我们缺乏一线的，在底层做开发的能力，这就是为什么我们愿意跟有专业背景和架构的单位合作，这种合作产生的效益也比较快。”李菂表示。

据吴运声透露，借助AI+云计算的技术能力，3天就可以处理完原来需要人工用1年才能完成的数据工作量，照此计算，AI的数据处理效率比人工提升了120倍。黄飞跃表示，AI在天文领域的应用的确是基础，有了AI的能力，脉冲星数据预处理和信号的发现效率会越来越高，准确率也会不断提高。

3月29日,晚霞中的“中国天眼”全景。图片来源：新华社

AI探索脉冲星难在哪？

虽然AI的加入，让脉冲星的探索效率大幅提升。但是黄飞跃告诉《每日经济新闻》记者，利用人工智能探星并没有那么容易，还有几大难点需要克服。

首先，AI需要进行深度学习训练，其核心需求便是：拥有海量已标注的数据作为训练数据，用它们来调整优化算法模型。但天文研究里，带有标注的训练数据相对偏少，会给模型训练带来困难。

其次，同样的天体信号，用不同望远镜、不同的观测设备，得到的数据和展现形式并不相同。“缺少标注的数据，我们可以用自监督的学习方法。不同设备得到的数据，我们可以用跨域学习的方式来训练模型。”黄飞跃表示。

双方合作后，腾讯优图实验室第一步便是对FAST采集的数据进行预处理。黄飞跃介绍，FAST一天采集到的数据大约有500T，如何将这500T数据转换成更有效的数据呢？实际上就是要做一系列的原始信号处理，处理后就能够大幅加速筛选的效率。

“另外，对信号我们会用机器学习的方式来寻找疑似样本，再交给专业的人员看是不是真正发现了信号。后续我们的新算法将会进一步提高准确率，降低后期专业人士的人为筛选的工作量。”黄飞跃表示。

据了解，除了脉冲星，腾讯还将通过AI重点辅助搜索辐射模式更特殊、天体运动更复杂的天文现象，例如“近密双脉冲星”和“快速射电暴”等。其中，“近密双脉冲星”是特殊的天体系统，由于其复杂的运动模式很难被现有算法发现。

探索难度大、AI投入高，腾讯与国家天文台“探星计划”能不能实现商业化呢？对此，吴运声坦言，此次合作并没有考虑收益点，“不管是优图还是腾讯，我们不是每件事情都要考虑它的经济价值，从之前的AI寻人到这次的探星计划，跟实际的经济收入都没有什么关系，都是促进社会的可持续发展”。

应用于智能美育的作画机器人 图片来源：每经记者 夏冰 摄

AI服务边界不断拓宽

过去几年间，在技术进步和规模化应用的推动下，AI芯片算力成本不断下降：TOPS（每秒可进行一万亿次运算）的成本从千元降到了几百元。而进入2020年，AI芯片算力成本更是步入100元级。

在AI芯片算力成本降低的同时，算法的效率却大幅提升。在应用层面上，龙头企业在近几年商业落地的过程中，不断积累了大量的行业know-how，也大大开拓了AI的智能化应用场景和边界。

在2021世界人工智能大会现场，可以看到坐拥130000词条的“云上辞海”、可以体验探知AIWIN赛事前世今生的AR眼镜、也可以观摩技艺娴熟的调酒机器人，人工智能的应用场景已经渗透到我们生活的方方面面。

正如李彦宏在演讲中提到，人工智能将会是影响未来40年人类发展的变革力量。这个力量今天正在不断地积蓄，在交通、金融、工业、能源、媒体等各行各业，人工智能技术的应用，都给出了行业数字化升级的新思路和新解法。甚至，它已经开始重塑整个行业的面貌，进而影响人类社会的未来。

不管是百度推出的新一代共享无人车Apollo moon，还是格力的“黑灯工厂”，抑或是腾讯与国家天文台的“探星计划”，实质上都是在不断拓宽AI的服务边界。

胡厚崑也在演讲中提出，“大胆运用技术手段去突破当前AI普惠的瓶颈”。不过，在他看来，当前的瓶颈不是在技术和应用的需求上，而是在开发的效率上，“现在AI开发的效率太低，严重阻碍了技术和需求的结合，现在的模式还是比较传统的手工作坊的模式”。

对此，吴运声称，AI落地的前提是要深入行业。不同的行业信息化程度不同，因此解决方案也需要调整。例如，金融客户的信息化水平较高，无需提供完全的解决方案，而一些传统的工业企业由于信息化能力较弱，则需要直接解决问题的方案。“各个行业的阶段不太一样。我们要在不同行业洞察其适用AI的特点。”吴运声说道。