在新科技辅助下，人类对宇宙的了解扩展到太阳系之外，可侦测并探究其他恒星周围的行星。虽然探索行星并不容易，但 Google 借助机器学习（Machine Learning），最近取得一些进展。
Google 日前在官方部落格发文指出，天文学家搜寻系外行星的主要方式，是分析来自 NASA（美国太空总署）开普勒任务中的大量资料数据，并透过自动化软件和手动方式来执行。
开普勒任务用了 4 年的时间观察近 20 万颗恒星，每 30 分钟拍一次照片，创造了近 140 亿个资料点；这 140 亿个资料点相当于约 2,000 兆个可能的行星轨道，这个庞大的资料量即使用最强大的电脑来分析也非常耗时、费力。为了让这个分析的过程更有效率，Google 导入机器学习来加速分析时程。
Google 说明，当一颗运行中的行星挡住了恒星的光线时，恒星的亮度会减小。Google 以此概念为基础，将其特征讯号用来辨识周围运行的行星，并运用开普勒天文望远镜，在 4 年之间观察并分析了 20 万颗恒星的亮度。
Google 强调，机器学习能够训练电脑认识运作模式，这对于分析大量数据尤其有用；机器学习技术的重点在于让电脑从范例中学习，而不是透过编写特定的规则。
Google 利用 1 万 5,000 个被标示的开普勒讯号，来训练 TensorFlow 机器学习模组去辨认行星讯号，并利用这个模组，从 670 颗恒星的数据中发现新的行星，且成功发现了 2 个先前被忽略的行星：开普勒 80g 和开普勒 90i。
值得注意的是，开普勒 90i 是第 8 个被发现围绕开普勒 90 的行星，这使它成为除了太阳系之外，第一个已知的 8 大行星系统。
Google 表示，目前为止只用 TensorFlow 机器学习模组搜寻了 20 万个恒星当中的 670 个，而开普勒的数据中可能还有更多系外行星尚未被发现，未来机器学习的新思维和技术将能帮助人类进行宇宙探索，发现更多未知的领域。
（记者：吴家豪）
延伸阅读：
- NASA 宣布重大消息！与 Google AI 合作发现“迷你太阳系”
