斯巴鲁望远镜拍摄的遥远宇宙图像中，隐藏着无数宇宙奥秘。过去，天文学家依靠人工逐张检视这些图像，不仅效率低下，还容易错过重要目标。如今，借助人工智能技术，研究人员能够在超宽视场图像中高效查找并分类螺旋星系，准确率令人瞩目。

研究团队主要来自日本国立天文台（NAOJ），他们利用深度学习（AI）技术处理斯巴鲁望远镜捕捉到的海量星系图像。由于设备的高灵敏度，图像中识别出的星系数量高达56万个。若依靠人工逐一查看这些星系并完成形态分类，工作量将难以想象。而AI能够完全自动化处理，无需任何人工干预。

实际上，基于深度学习的自动特征提取与判断技术自2012年以来发展迅猛。如今，这类算法在多个领域的准确率已超越人类，例如自动驾驶汽车、安防监控等。NAOJ助理教授Ken-ichi Tadaki博士提出了一个自然的构想：既然AI能够区分猫和狗的图像，那么它也应该能区分“具有螺旋结构的星系”和“无螺旋结构的星系”。实验证明，AI利用人类提供的训练数据对星系形态进行分类，准确率高达97.5%。之后，训练完成的AI被应用于整个数据集，成功从约8万个星系中识别出螺旋星系。

在验证技术有效性之后，下一步自然就是扩大应用范围：通过使用大量经过人工分类的星系数据进一步训练AI，使其能够对星系进行更细致、更详细的分类。

与此同时，NAOJ正在推进一项名为“银河巡游”（GALAXY CRUISE）的公民科学项目。该项目邀请普通公众协助检查斯巴鲁望远镜拍摄的星系图像，寻找可能正在发生碰撞或合并的星系线索。项目顾问田中正幸副教授对AI与公民科学的结合前景表示乐观：“斯巴鲁战略计划产生的数据量极为庞大，其中包含无数星系。从科学角度而言，只有通过公民天文学家和机器协同合作，才能有效处理如此规模的大数据。基于银河巡游中公民科学家所作的分类，再结合深度学习技术，我们有望发现大量碰撞和合并中的星系。”