谷歌 和来自多所大学的研究人员通过一个名为AstroNet  K2 的卷积神经网络发现了两颗新的系外行星。另外，他们还确定了其他14个物体也能被归为系外行星，并且值得进行额外的研究。

该公告是基于去年由哈佛大学天体物理学家和谷歌  人工智能 的Chris Shallue所进行的一项共同研究公布的，他们在研究中利用机器学习筛选由美国宇航局的开普勒望远镜提供的数据，以寻找太空中的各种天体。随后谷歌在GitHub上开放了他们使用开普勒数据训练的太阳系外行星搜索模型的源代码。

 
系外行星

自2009年发射升空后，开普勒太空望远镜在第一个四年中主要被用于研究在恒星前方经过的潜在类地行星。望远镜已经观测了超过20万颗恒星，但一次机械故障使它不能再专注于观测天空中的某一特定部分，这让数据收集十分分散。去年，美国宇航局正式宣布开普勒望远镜退役。

为了应对这一挑战，研究人员收集并检查了超过3万张具有鲜明特征的图片，并从中选出了2万2千张用于训练半监督人工智能系统，AstroNet K2在测试数据集过程中的精确率已经达到了98%。

Google Brain团队的成员、加州大学伯克利分校和德克萨斯大学奥斯汀分校天文系以及哈佛-史密森尼天体物理中心在一篇论文中分享了这些发现，他们认为AstroNet K2由于被发现有太多次误报因而“尚未完全准备好完全自动检测和识别行星”，但它能够激励天文学家为了更好地了解宇宙而努力。

它会反馈给研究人员一大堆被假阳性信号覆盖的东西，所以这就需要一个人类天文学家来帮助筛选，看看哪些并不是行星。研究人员表示，AstroNet K2将会像它的前身一样被不断地完善，最后也会实现开源，以便供更多的人工智能社区使用。