人工智慧（AI）改寫宇宙目錄：AnomalyMatch 在 Hubble Space Telescope 資料中發現 800 個新謎團

在一項顯著示範人工智慧（artificial intelligence）改變科學發現能力的案例中，一款新的人工智慧工具在數天內完成了人類天文學家可能需要數年才能達成的工作。來自 European Space Agency (ESA) 的研究團隊成功部署了一個名為 AnomalyMatch 的模型，掃描 Hubble Space Telescope 的龐大資料檔案。結果是超過 800 個先前未被記錄的宇宙異常現象，範圍從扭曲的重力透鏡到「水母」星系，以及無法以現有分類解釋的物體。

這項突破發表於期刊 Astronomy & Astrophysics，標誌著我們探索宇宙方式的一個關鍵轉變。數十年來，天文發現仰賴目標性觀測或偶然發現──在尋常中偶遇異常。現在，透過 AnomalyMatch，天文學家擁有一個系統化的「偶然引擎」，能夠處理數十年的資料，揭露宇宙乾草堆中隱藏的「針」。

發現引擎：AnomalyMatch 的運作方式

現代天文學面臨的挑戰不是資料不足，而是資料過量。僅 Hubble Space Telescope 就已觀測宇宙 35 年，產生數百萬張影像，構成了 Hubble Legacy Archive。要人工檢視這個檔案中每一個物體是否具有異常特徵，是超出人類時間尺度的任務。

於是 AnomalyMatch 應運而生。由 ESA 的研究員 David O'Ryan 與 Pablo Gómez 開發，這個神經網路設計的目的不只是對已知物體進行分類，而是辨識「異常」與「怪異」。不同於傳統演算法被訓練為將星系分門別類（旋渦、橢圓、不規則），AnomalyMatch 採用了 無監督學習（unsupervised learning） 技術以識別離群值──與既有常態顯著偏離的資料點。

該工具的效率驚人。研究團隊要求該系統分析近 1 億張影像切片，每張切片代表天空上約 7 到 8 弧秒大小的一小塊區域。在單一 Graphics Processing Unit (GPU) 上執行時，AnomalyMatch 僅花了 2.5 到 3 天 就處理完這座資料山。

「Hubble Space Telescope 的檔案觀測現已回溯 35 年，提供了一個可能藏有天體物理異常現象的資料寶庫，」研究的通訊作者 David O'Ryan 指出。然而，他強調若無人工智慧，這些潛力大多難以開發，因為「資料量實在太龐大，專家無法以人工在所需的細節層級逐一篩查。」

從 1 億到 1,400：人類在迴路（human-in-the-loop）

雖然人工智慧提供了速度，人類的專業知識則提供了驗證。這個工作流程代表了科學人工智慧應用中新興的「人類在迴路（human-in-the-loop）」模式，已成為黃金標準。AnomalyMatch 並非單方面改寫教科書；它更像是一個超高效率的過濾器。

在這 1 億張切片中，該系統標記了約 1,400 個統計上異常的物體。這個可管理的候選清單讓 O'Ryan 與 Gómez 能夠進行詳細的人工檢視。結果令人印象深刻：在這 1,400 個候選中，研究者確認約 1,300 個確實是真正的異常現象。

關鍵在於，雖然其中一些物體曾被人類發現過，但其中 超過 800 個是對科學全新 的。這些物體在公開檔案中擱置多年，直至有演算法學會去尋找它們，才為人所見。

怪異動物園

該計畫發現的異常現象呈現出宇宙最暴烈與最美麗過程的一個迷人橫剖面。人工智慧並非只找到一種物體；它發現了多樣的宇宙奇觀。

在科學價值最高的發現中，有 重力透鏡（gravitational lenses）。當前景的大質量星系彎曲更遠背景星系的光線時，就會形成弧、環或多重像。該研究辨識出 86 個新的潛在重力透鏡候選。這些對宇宙學家非常重要，因為它們像天然望遠鏡，使我們能看得更遠且繪製暗物質的分布。

然而最常見的異常是星系合併。該系統偵測到 417 起星系碰撞事件，這是觸發恒星形成並重塑星系結構的混亂過程。

AnomalyMatch 發現的主要異常

也許最吸引人的是那些研究者完全無法分類的物體。大約有 43 個被標記的物體無法符合任何標準分類。這些「未知」代表了發現的前沿──可能需要 James Webb Space Telescope (JWST) 的後續觀測才能解碼。

為資料洪流（data deluge）做準備

AnomalyMatch 的成功不只是清理 Hubble 的積案；它更證明了天文學的未來趨勢。我們正站在一個「資料洪流（data deluge）」的邊緣。

即將到來的任務如 ESA 的 Euclid、NASA 的 Nancy Grace Roman Space Telescope，以及地面的大型觀測計畫 Vera C. Rubin Observatory，將產生遠超 Hubble 的資料量。單是 Vera Rubin Observatory 預計每晚捕捉 20 TB 的資料。

「資料量會爆炸性成長，」共同作者 Pablo Gómez 說。「傳統的人工檢視，甚至像 Galaxy Zoo 這類大規模公民科學努力，都無法面對如此龐大的量級。」

在這種情境下，像 AnomalyMatch 這樣的人工智慧工具不再是奢侈品，而成為必要。它們將作為第一道防線，從雜訊中篩選出值得關注的信號。透過自動化尋找罕見與怪異事件，人工智慧確保最具科學價值的事件──剛爆發的超新星、運行軌道出乎意料的小行星、或行為異常的星系──不會迷失在檔案之中。

結語

在舊資料中發現 800 個新的 宇宙異常現象，證明了以新工具重訪過去的威力。這提醒我們，發現不一定總是建造更大的望遠鏡；有時候，是建立更聰明的演算法。隨著 Creati.ai 持續監測人工智慧與科學的交集，很明顯天文學家的角色正在演進。未來的天文學家將不只是星辰的觀察者，更是設計監視它們的智慧系統的建築師。