如果你分析引力透镜宇宙现象，最好利用神经网络 。这是SLAC国家加速器实验室和斯坦福大学研究人员发现的: 他们使用人工智能对时空变形的分析比以前使用的方法快了1000万倍。

引力透镜指的是，当太空中的巨大物体，如星系团，使从更远的星系发射的光线发生折射时观察到的现象。通过望远镜观察时，会导致图像失真，对这些失真图像的分析可以帮助天文学家计算引起这种现象的物体质量。也许还会对了解宇宙中暗物质的分布有一些启发。

问题是，要将记录下来的图像与引力透镜的模拟进行比较需要几周的人力。研究团队解释说，已经建立了神经网络，通过研究有关不同镜头外观的五十万个计算机模拟，训练其来识别不同的镜头。打开真实的图像，人工智能就可以分辨出镜头类型，从而计算影响被观察光线以及人类分析的物体质量，虽说步骤繁多，但是速度也就是一瞬间的事。

斯坦福大学的Laurence Perreault Levasseur表示：“分析通常需要几周到几个月的时间才能完成，这需要专家的投入，而且在计算上要求很高，而神经网络可以在几分之一秒内以完全自动化的方式完成。”

这种人工智能图像识别技术近年来在许多APP中应用得越来越普遍，从社会网络中的面孔识别到搜索引擎中图像的对象识别，都在应用这一技术。但科学家们要求极其严格，以前也用神经网络解决天体物理学的问题，根据斯坦福大学Roger Blandford的一项声明，但结果却是形形色色。

不过，现在Blandford说，“我们相当乐观，这将成为天体物理学中数据处理和分析问题更愿意选择的方法。”

本文译自《麻省理工技术评论》。