人类的首张黑洞照片,竟然不是拍出来的?

返回上层

【字体: 2019-04-18作者:辛辰 访问量:80

核心观点 

1. 黑洞照片的成功发布,背后对于机器学习的算法具有高度的依赖。

2. 算法对于机器学习的效果具有着决定性的作用,而同时机器学习是人工智能发展的核心重点领域。

3. 在机器学习和人工智能发展以及赋能其它行业方面,诺亚合作的许多管理人已经有了很多出色的投资成果。

近日,人类首张黑洞照片的发布,吸引了众多媒体和许多“吃瓜群众”的注意。作为人类探索未知宇宙的又一个里程碑式的进展,其引起的轰动完全在意料之内,但是鲜为人知的是这样一张惊天动地的照片,竟然不是简简单单拍摄出来的,而是“算”出来的。



拍摄在遥远星系的黑洞,远比一般人想象中要困难的多,并不像平时我们拿出手机拍照这么简单。要想拍这样一张照片需要许多分布在全球各地的天文射电望远镜在同一时间“按下快门”,并且按下快门之后得到的并不是直接的图像,而是大量的无线电数据,只有对这些数据进行精确的分析,才能还原出其背后的神秘黑洞。

 

还原黑洞真面目的神秘工作就在全球顶尖的理工院校麻省理工学院展开,但是需要处理的数据是巨量的,依赖传统的方式和人力进行相关处理显然是不可能实现的。天文望远镜获取的数据量非常大,一晚上就能收集到2PB(约2000TB)。这是什么样的概念呢?目前比较普遍的笔记本电脑硬盘容量是512GB,2PB意味着,天文望远镜仅仅一晚收集到的数据,需要4000块这样的电脑硬盘才能承载。储存都需要如此大费周章,更何况处理与分析?


世界各地收集到的数据,陆陆续续送到了MIT,所有的硬盘加在一起足足有半吨之重。而最为棘手的问题,并不仅仅在于数据量的庞大,和数据的繁杂程度相比,数据的海量反而是一个无需太多忧虑的小问题。

 

宇宙中除了黑洞还有数不尽的无数天体,当我们在夜晚仰望星河的时候他们显得绚烂美丽,但是当我们要拍摄黑洞的时候,他们就成了令人烦恼的干扰。因此在“冲洗”黑洞照片时,需要将这些干扰的数据,进行甄别,排除,只留下黑洞的反馈数据,再一点一点进行图像还原。

 

在这个时候,之前我们为大家介绍人工智能发展的研究中提到的机器学习就有了表演的舞台。在天文学家和计算机科学家的共同努力下,数据中的干扰被一一鉴别,通过机器学习的算法,高效率地将各类冗余信息精确定位,排除,最终剩下仅属于黑洞的数据信息。这一听上去非常简单的“找规律”的游戏和工作,在实际的应用中却对参与人员提出了很高的要求。

 

如果机器学习的算法上出现了任何问题,都可能影响的最终的成果。如果剔除冗余干扰信息的过程执行的不够精确,可能导致干扰信息过多,“冲洗”出来的黑洞照片被各种“不请自来”的星际来客遮挡住了真面目,亦或是剔除了本属于黑洞信息的数据,让最终呈现在世人眼前的黑洞不够完整。由此可见,机器学习算法的质量对于本次黑洞照片的成像是极为重要的。这也让我们再一次领略了机器学习的魅力,对于其在人工智能时代的核心功能和作用也进一步受到了肯定。

 

作为人工智能领域的核心技术之一,诺亚合作的很多管理人也对于在相关领域有所建树的企业进行了投资。例如在教育和人工智能结合的知名案例松鼠AI(原乂学教育),成立不久就获得了许多知名投资机构的青睐,其中就包括诺亚的合作管理人景林资本和新东方。而另一位诺亚合作的知名管理人创新工场,更是在人工智能领域大量布局,收获了包括第四范式在内的许多成功案例。

 

一张看似仅仅是天文学突破的黑洞照片,其背后却是信息科技进入人工智能时代的进步体现,相信在不久的未来,我们会看到更多的人工智能给各个行业带来的改变与赋能,一个新的信息化时代真的已经到来。


End

(具体投资咨询请关注微信公众号“诺亚研究工作坊”ID:Noah_Research 或微信扫一扫下方图中二维码关注后留言,谢谢。)

人类的首张黑洞照片,竟然不是拍出来的?


免责申明

1、本网站信息均来源于市场公开资料,诺亚仅基于上述公开资料阐述诺亚观点,并不保证其准确性、完整性、实时性或正确性。本网站的信息和内容仅供参考,请谨慎使用。


2、本网站信息中署名"诺亚财富"、"诺亚财富研究部"的文章,以及图片和音视频资料,版权均属于诺亚财富。如需转载请与诺亚财富联系,并在授权的范围内注明来源和作者,保证作品的完整性。违反上述声明者,本网站将追究相关法律责任。


3、本网站转载其他媒体或机构的作品,并不意味赞同其观点或证实其内容的真实性。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"来源",并自负版权等法律责任。如本网转载涉及版权等问题,请作者在两周内来电或来函联系。


4、问题咨询及相关合作,请发邮件至:webmaster#noahwm.com,将“#”换做“@”。