宇宙探索的新工具：AI应对数据洪流

人类正迎来一个全新的宇宙探索时代，新一代观测设施以前所未有的速度收集来自深空的数据。然而，望远镜每天产生的数据量高达数TB甚至数十TB，远远超出了科学家人工分析的能力。在这一背景下，AI正在成为天文学家探索宇宙的新工具。在ALIGNMENT 2026大会现场，杭州西湖大学助理教授、前哈佛大学博士后孙凤梧分享了这一领域的进展。他曾是詹姆斯·韦布空间望远镜（JWST）NIRCam科学团队成员，负责处理主力仪器拍摄的数据。他指出，AI不仅帮助人类发现过去无法看到的秘密，还在教我们如何给宇宙“拍电影”以及如何更有效地查看数据。随着数据量的爆炸式增长，传统的分析方法已难以为继，必须依靠人工智能来从海量信息中提取科学价值。

JWST的极致设计与红外观测优势

JWST是人类发射到太空的最大望远镜，口径达6.5米，比校车还大。这台造价100亿美元的望远镜从1996年开始设计，耗时近25年完成建造和测试，最终由Ariane 5火箭从库鲁发射升空。天文学家研究河外星系时，面临的最大挑战是背景噪声。地球本身是一个300开尔文（约27°C）的黑体，在红外波段观测时背景非常亮。为了压低噪声，JWST的设计思路是用大镜子收集更多光线并冷却望远镜，使其远离太阳和地球。只有把背景降温，才能从更暗的背景里认出目标。

JWST拍摄的“宇宙悬崖”图像展示了恒星风形成的前沿，而对比哈勃与JWST对银河系“创生之柱”的拍摄可见，红外波段的光更容易穿透尘埃。在哈勃图像中，尘埃挡住了恒星形成区发出的光；而在JWST的红外图像中，大部分恒星清晰可见，且尘埃本身在发光而非挡光。这种红外的力量使得天文学家能够观测到被尘埃遮蔽的恒星形成区，揭示了宇宙中更深层的结构。

寻找第一缕光与新型天体发现

孙凤梧团队的主要科学目标是寻找宇宙中的“第一缕光”，即最早形成的天体。通常有两种做法：一是对准无亮星的天区长时间曝光；二是利用星系团的引力透镜效应，像放大镜一样寻找极暗、极远的天体。我们团队在空无一物的地方发现了一个小红点，确认它存在于大爆炸后3亿年。当时宇宙年龄仅为现在的2%到3%，该天体的光谱中探测到了氧，这意味着靠爆炸恒星制造氧气的工作在大爆炸后3亿年就已开始。这一发现曾是最远星系记录，虽然后来被更远的天体超越，但证明了JWST在深空观测上的成功。

此外，JWST还发现了一类新天体。在白宫发布的第一张图中，有一个小小的、红色的致密天体。因为小、红且像点，我们叫它“小红点”。这类天体特征与恒星相似，但因其距离远且亮度高，我们认为它们是由黑洞供能的。当气体掉进黑洞时，引力势能转化为光。相比之下，近处的星系能看到超新星爆发吹出的“气泡”，这些爆炸制造了氧和碳，构成了星球上的所有生命。JWST不仅拍摄静态图像，还在尝试通过连续观测捕捉动态变化。

数据爆发：罗曼望远镜与鲁宾天文台

宇宙是四维的，天文学家正努力给整个宇宙“拍电影”。NASA于8月30日发射了南希·格雷斯·罗曼空间望远镜，其主要目标之一是寻找超新星以绘制宇宙地图。罗曼望远镜口径2.4米，但拥有18块4K×4K像素的探测器，合在一起一次能拍3亿像素。它每天产生约1.4TB数据，是JWST的20倍。这些数据在L2点（距地球150万公里）产生并传回地面。罗曼望远镜能拍摄比JWST大得多的视野，揭示了天文数据量的爆发式增长。数值模拟显示，罗曼将探测到更多早期星系结构。

地面方面，位于智利的鲁宾天文台正在开展LSST巡天。它拥有32亿像素的相机，是罗曼的10倍，每天产生10到20TB数据。鲁宾通过时域观测比较图像差异，寻找移动的小行星等天体。目前每晚产生约100万条警报，全速运行时将达700万条。然而，全世界仅约3万名天文学家，若每人每晚回复200封警报邮件显然是不可持续的。随着SKA射电望远镜在2030年前后建成，每天将产出约2PB数据，没有任何天文学家能独立分析所有这些数据。因此，AI成为应对这一洪流的必要手段。

AI在天文学中的具体应用案例

在引力透镜研究中，十年前博士生只能找出1-2个系统发论文，现在必须依靠机器学习遍历所有数据。一次公布约400个引力透镜候选体有助于理解宇宙膨胀。孙凤梧本人也使用Codex和Claude，将JWST罕见观测模式的数据喂给AI，让AI告知光谱位置，从而开发出新的观测方法。在望远镜操作方面，清华大学团队开发了自监督模型。通过叠加多次拍摄数据并分析噪声波动，将探测深度提升到原来的约2.5倍。这意味着用JWST相当于使用一台20米左右的望远镜，而这样的口径目前无法发射到太空。

大语言模型也深刻影响了该领域。最近一半以上的天文学论文带有大语言模型的痕迹，但只有0.8%在文中声明。这反映了领域变化之快及规范缺失。孙凤梧强调，天文学家绝对需要AI来应对数据洪流并辅助决策。由于天文数据完全无标签且公开，它是自监督算法的理想试验场。宇宙送给我们的礼物是每个光子都毫无门槛地向公众公开，这为AI训练提供了独特优势。

望远镜建设的商业化与未来展望

天文学基础设施正呈现类似AI创业公司的趋势。哈勃空间望远镜自1970年代设计、1990年发射，至今仍在运行且至少到2030年退役。私人资金开始进入望远镜建设，如埃里克·施密特资助的Lazuli项目。这是首台私人空间天文台，计划两三年后发射。望远镜上几乎所有部件均可作为商业产品直接购买，项目成员签署保密协议，使其具有“闭源”特性。另一构想是Nautilus空间天文台，计划用Starship发射十面6.5米镜子。一次发射十台望远镜能更快迭代，平均每台价格比只造一台便宜得多。

孙凤梧最后向AI研究者指出，现代天文学有400年历史，积累了大量数据。如果所有学科中只有一门开放科学，那就是天文学。因为不研究地球上的东西，且每天从地外收集全新数据。若相信“模型用递归生成的数据训练会崩溃”，天文学家每天都在提供真实的新数据。AI正在帮助人类看到超出想象的东西，从发现遥远星系到优化观测策略，天文学正经历由AI驱动的深刻变革。

结论

这段内容揭示了人工智能在天文学领域从辅助工具转变为核心基础设施的过程。面对罗曼望远镜和鲁宾天文台带来的PB级数据洪流，传统人工分析已彻底失效。AI不仅在引力透镜识别、光谱解析等具体任务中展现出超越人类效率的能力，还通过自监督学习挖掘无标签数据的价值。同时，天文学数据的全公开特性与AI商业化的“闭源”趋势形成鲜明对比。最终，天文学证明了对真实、无递归依赖的外部数据的巨大需求，AI不仅是处理工具，更是拓展人类宇宙认知边界的关键钥匙。