去年12月，美国国家航空和宇宙航行局宣布他们发现两颗系外行星隐藏在清晰的视野中。这一发现是由一个经过训练的神经网络进行的，该神经网络通过从该机构的开普勒太空飞船收集的数据进行筛选。

开普勒望远镜是在2009年发射的，专门用来搜寻环绕遥远恒星运行的系外行星。天文学家根据恒星亮度的变化来探测系外行星。如果一颗恒星在很短的时间内变暗，那么很可能是一颗行星在它前面通过。

在四年的时间里，开普勒观测到了15万颗恒星，这给天文学家们提供了比他们能够筛选到的更多的数据。因此，他们只专注于3万个最强烈的信号，并设法发现了2500个系外行星。但这留下了12万个被忽略的信号。

然后Google的研究人员训练他们的人工智能搜索12万个未分析的信号。他们为这台机器提供了15,000个nasa确认的系外行星数据的例子，以指导它如何识别系外行星的特征。

Google现在已经发布了Github上的代码，以及如何使用它的说明，所以公众可以尝试自己的天文发现。尽管代码(和开普勒数据)对任何人都是可用的，但它并不完全是“即插即用”。然而，如果他们熟悉Python和Google的机器学习软件TensorFlow的编码，那么他们可以更轻松地浏览AI。

“我们希望这一版本将成为为其他NASA任务开发类似模型的一个有用的起点，比如K2(开普勒第二任务)和即将到来的外行星调查卫星任务，”Google系外行星AI的首席工程师Christopher Shallue在一篇博客文章中写道。

Shallue还写道，他希望这将鼓励进一步分析剩余的开普勒数据。根据Shallue的说法，释放代码是让公众了解神经网络如何发现行星，同时鼓励对开普勒数据进一步分析的方式。除此之外，Shallue表示他希望神经网络能够为更复杂的外展活动铺平道路。