如今我们无时无刻不在谈论人工智能——但它在天文学领域做了些什么呢？很多！
几乎每周都有新的研究论文发表，利用人工智能进行新的天文学研究：对星系进行分类、识别太阳耀斑、探索系外行星大气层等等。人工智能最大的优势在于，它比人类处理海量数据的速度快得多——随着新望远镜产生的数据越来越多，天文学家需要处理的数据量也越来越大，这种能力尤为及时。
荷兰空间研究所的天文学家兼数据科学家 Daniela Huppenkothen 在《MIT Technology Review》上表示：“我们可以利用（人工智能）来解决以前无法解决的问题，因为这些问题在计算上过于昂贵。”
一个特别的望远镜让许多天文学家对人工智能兴奋不已：Vera C. Rubin Observatory，该望远镜计划于 2025 年 1 月 竣工，仅剩几个月的时间。一旦投入使用，它将以一项名为“太空与时间遗产调查 (LSST)”的项目，每隔几天对整个夜空进行成像，为期十年，届时将产生六十 PB 的数据。
美国国家科学基金会主任 Sethuraman Panchanathan 在芝加哥大学的一份新闻稿中表示：“Vera C. Rubin Observatory 和其他大型天文学项目在未来几年内收集到的海量数据，其规模之大、内容之丰富，是我们现有的方法无法完全探索的。“有了可靠和值得信赖的人工智能工具，从学生到资深研究人员，每个人都将拥有令人兴奋的新途径来获得宝贵的见解，从而带来可能隐藏在数据中的惊人发现。”
天文学家经常使用一种特定的人工智能，称为机器学习。尽管人工智能工具看似智能（而且它们确实被描述为在学习！），但它们实际上只是用于识别模式并随着接触更多数据而改进结果的算法。对于 LSST 来说，这些算法将通过根据星系的形状进行分类来提供帮助。
传统上，这项任务是由人类逐一目视检查每张图片来完成的——但人眼的视力是有限的，而且我们可用于工作的时间也有限，科学家数量也少。机器学习不仅速度更快，而且这些算法还能比人类更精确地捕捉到更小的特征，例如星系边缘的微弱丝状结构，并发现更暗淡的星系。其他天文学家希望利用人工智能和 LSST 来比以往任何时候都更准确地测量星系的距离，从而有望揭示暗物质的重大奥秘。
还有一个天文台将产生比 LSST 更多的数据：平方公里阵列天文台，这是一系列分布在澳大利亚和南非的射电望远镜和天线。这项技术壮举结合了超过 100,000 个独立探测器的观测结果，每年产生惊人的300 PB 的数据——几乎是 LSST 十年产生数据的四倍！天文学家计划利用人工智能来搜索这些数据集，以获取更多关于宇宙早期恒 K 的信息。
人工智能也已经为一些重大发现做出了贡献。来自事件视界望远镜的有史以来第一张黑洞图像，在机器学习算法的帮助下得到了优化，使图像更加清晰。寻找更小的、更类地系的系外行星是一项公认的挑战，天文学家利用机器学习将行星的信号与其恒星的信号区分开来，后者会干扰观测。天文学家多年来一直使用机器学习来对被称为超新星的爆炸恒星进行分类。
宾夕法尼亚州立大学天文学家 Joel Leja 表示：“机器学习正在彻底改变我的领域。“每次想到它，我都觉得不可思议，它让我们能够提出新的科学问题。”
