[BizHanKook] 10月6日，OpenAI公開了大量數學研究手稿。這些手稿包含超過700篇針對各類問題的證明。面對這一進展，數學界既有期待也充滿了不安。人們一方面期待著迎來解決長期未解難題的新時代，另一方面又對人類親手進行證明的意義逐漸喪失而感到失落。
當然，這700篇手稿並非全都在解決完全不同的難題，也尚未經過徹底驗證。但無可否認，AI已經開始以比研究人員快得多的速度，完成原本需要耗費大量時間的工作。而在天文學界，類似的事情也正在發生。
僅僅兩天後，Anthropic也採取了行動。Anthropic公佈了一份稍顯特別的宇宙地圖。約翰斯·霍普金斯大學的天體物理學家兼Anthropic研究員Brice Ménard與Claude合作，釋出了全天紫外線地圖。這是一份填補了現有望遠鏡觀測“空白區”的完整地圖。雖然地圖的部分割槽域基於實際觀測資料，但其餘部分是AI根據觀測結果重建的預測地圖。
這份地圖的起點是2003年至2013年服役的紫外線太空望遠鏡GALEX。GALEX掃描了全天64%的遠紫外線區域，以及76%的近紫外線區域。在遠紫外線地圖中，約有三分之一是空白的。那些噴射出極其明亮能量的恆星在紫外線下也顯得格外刺眼，導致望遠鏡難以觀測，從而難以看清其背後的深空。此外，恆星密集的銀河盤面和銀河系方向也被避開，以防止望遠鏡檢測器受損。
然而，用紫外線觀察時，熟悉的夜空會呈現出截然不同的面貌。熾熱恆星釋放的紫外線被周圍塵埃散射，使得可見光下難以觀察到的塵埃雲變得清晰可見。透過觀察雲層的分佈和光的散射，我們可以感受到恆星與星際物質之間驚人的相互作用。
Ménard利用Claude將迄今為止公開的紫外線觀測資料整合為一張地圖。多個AI智慧體協作進行了計算。首先，它們對齊了GALEX拍攝的大約3.8萬個觀測區域，因為拍攝時間和條件的不同，會導致同一片天空的亮度存在細微差異。
此外，團隊還對地球上層大氣發出的光以及太陽系塵埃引起的散射光進行了校正。在此過程中，另一臺紫外線望遠鏡Swift，以及韓國早年發射的“科學技術衛星1號”（STSAT-1/Uri-Byol 4號）的資料也起到了重要作用。衛星內的FIMS裝置雖然解析度稍顯粗糙，但它掃描了GALEX未曾觀測的銀河盤面區域。即便透過這些探測裝置收集了大量資料，仍存在空白。AI對這些空白區域進行了統計學建模和推斷。
此前，多項研究已經掌握了恆星、塵埃雲、電離氫發出的特定光線與紫外線之間的相關性。因此，即使在沒有紫外線觀測的區域，只要有其他波段的觀測資料，也能推斷出其紫外線下的樣貌。為了繪製全天地圖，研究團隊還利用了“蓋亞”（Gaia）衛星的資料，該衛星觀測了銀河系內幾乎所有的恆星。在缺乏紫外線觀測的區域，基於恆星的溫度、顏色以及星光穿過塵埃時減弱的程度，推算出了紫外線亮度。
為了確認計算結果的準確性，研究組進行了一場“盲測”，即遮蓋掉部分已觀測到的紫外線天空。比較AI僅憑計算繪製出的結果與實際觀測地圖，總體誤差約為12%。雖然誤差依然存在，但它已經相當出色地繪製出了紫外線地圖。
觀察完成後的地圖，可以清晰看到年輕熾熱恆星周圍的塵埃雲。沿著巨星爆發產生的星際氣體氣泡，可以看到圓形的環狀結構。甚至連遠離銀河盤面、絲狀的暗淡塵埃結構也清晰可見。此前只能零散觀察的景象，如今能夠被匯聚在全天地圖中，並在整體語境下進行連線和呈現。
此外，地圖中還出現了一些僅靠現有的星際塵埃雲分佈無法解釋的獨特區域。在高緯度地區出現了一些在遠紫外線下明亮的結構，這是基於既往觀測結果所新確認的構造。
那麼，對於這份AI在未實際觀測的情況下，透過填補空白而完成的地圖，我們該如何看待呢？這裡引出了一個極其棘手且令人困擾的哲學問題：一份並非由望遠鏡觀測，而是透過計算填補出來的地圖，能被視為真實的宇宙地圖嗎？這份地圖反映了以觀測為支撐的預測和法則。在科學中，預測是一個非常重要的工具。但我們必須先仔細審查其依賴於哪些假設。當然，作者們也新增了注意事項，說明不能將其視為真實的宇宙地圖。
如果AI無需真正觀測也能繪製宇宙地圖，那麼我們是否不再需要新的望遠鏡了呢？恰恰相反，這份地圖有助於確定下一次觀測的目標。AI在繪圖時會給出預測評分，從它認為“絕對不會錯”的區域到“預測不確定”的區域，都可以量化預測的不確定性。因此，可以制定優先觀測那些不確定區域的策略，從而補充更多資料。
此外，如果實際觀測結果與AI繪製的地圖大相徑庭，那麼那裡極有可能隱藏著我們未知的現象或新的物理學答案。如果能更進一步，我們甚至可以期待AI不僅利用我們已知的關係，還能提出解釋宇宙的新原理。
目前還有一種名為“愛因斯坦測試”的驚人構想，旨在實際測試這一問題。如果說圖靈測試是實驗AI是否像人類一樣思考和說話，那麼愛因斯坦測試則是實驗AI是否能夠基於宇宙資料直接構建科學理論。
例如，讓AI僅學習狹義相對論發表之前的資料，看它能否解決當時尚未解決的問題。實際上，曾有人收集了1900年之前的書籍和報紙，訓練了一個擁有約33億個引數的語言模型，並觀察AI能否實現從現有知識到“相對論”這一驚人飛躍。
遺憾的是，AI未能給出重現相對論水平的答案。雖然它給出了一些如“光可能不連續地傳遞能量”、“重力和加速度在區域性看來是相似概念”等碎片化答案，但未能形成連貫的物理理論。最終，還是在人類提供了“光速恆定”這一重要提示後，它才構建出了像樣的相對論。
最近，AI透過學習哈勃空間望遠鏡的觀測資料歸檔，自主分析了超過1億張影象。AI僅用了兩天半的時間就篩選出了它認為“特殊”的星系候選者，其中確認了超過1300個真正異常的星系。此外，其中有800個是天文學家從未報告過的星系。有的星系因為相互碰撞而扭曲變形，有的則經歷了極端引力透鏡效應。在實際觀測過的陳舊資料中，AI挖掘出了人類錯過的珍貴寶藏。
當然，隨著未來AI技術的進一步發展，就像圖靈測試一樣，能夠透過愛因斯坦測試的AI或許也會出現。我們甚至可以進行更驚人的想象：如果一個僅學習了1900年前資料的AI，在尋找當時困擾物理學家的難題答案時，提出了並非相對論、而是完全不同方向的見解呢？如果它提出了人類歷史上從未討論過的方向，且該理論比相對論能更好地解釋宇宙，那麼我們能認為它更接近真理、更接近真實的宇宙面貌嗎？
現在，我們必須更明智地運用AI。我們需要培養一雙慧眼，去判斷AI提出的新理論和宇宙地圖究竟是否真實。如果我們盲目信賴AI，完全依賴它的答案，那麼當某一天AI無意中產生“幻覺”時，我們可能會在毫無察覺的情況下陷入巨大的錯覺，從而產生錯誤的宇宙觀。在AI時代，最重要的一點是，不要忘記真正的答案始終存在於我們頭頂之上，存在於真實的宇宙之中。
作者 池雄培（Ji Woong-bae）是誰？熱愛貓咪與宇宙。兒時因觀看《銀河鐵道999》而立志讓人們瞭解宇宙之美。目前擔任世宗大學自由專業學部助理教授，積極從事講座與寫作等各類科學傳播活動。著有《關於天文學者的無用之處》、《我們皆生為天文學者》、《仰望宇宙時浮現的奇怪問題》等書，並翻譯了《我是如何殺掉冥王星的》、《量子人生》、《UFO》等作品。