事件總覽:從人工智慧專家帕維爾・拉布切維奇(Pavel Rabtsevich)利用 AI 工具尋找外星行星,到引發專業天文學界的正反熱議,這場由公民科學家掀起的天文探索革命正在改寫遊戲規則。
📅 2025年9月:AI 行星獵人的誕生
在此之前,尋找太陽系外的行星通常需要專業的天文背景與繁複的數據分析能力。身在西班牙、本身是人工智慧專家的帕維爾・拉布切維奇(Pavel Rabtsevich)沒有受過正式的天文教育,但他決定坐在電腦前,直接要求 AI 模型幫忙「找一顆行星」。他將大批望遠鏡數據交給 AI,並給予高階的搜尋計畫。大約兩週後,這個機器人就交出了成果:在距離地球 116 光年的一顆恆星周圍,發現了兩顆可能的行星,目前專業天文學家正在協助檢驗這些發現。
📅 2025年底至2026年初:解鎖海量觀測數據
隨後,拉布切維奇找來人工智慧公司安特洛普(Anthropic)所開發的 AI 程式碼工具「Claude Code」。他引導 Claude 篩查美國國家航空暨太空總署(NASA)凌日系外行星巡天衛星(TESS)在 2025 年底至 2026 年初所觀測超過 12 万顆恆星的數據。Claude 鎖定了一顆名為 TIC 4206066 的恆星,發現它呈現出兩種不同的亮度變暗週期,分別約為每 3 天與每 11 天一次。這直接導致了重大突破:該恆星可能擁有兩顆公轉週期不同的外星行星,其中一顆的軌道更緊密、公轉速度更快。
📅 資料驗證與學界隱憂並存
為了確保結果無誤,拉布切維奇指示 Claude 在歷史檔案數據中尋找相同的重複模式,結果 2018 年與 2020 年的 TESS 數據確實記錄了 TIC 4206066 相同的亮度變暗模式。不僅如此,在拉布切維奇的指揮下,Claude 還找出了加拿大溫哥華英屬哥倫比亞大學(University of British Columbia)前系外行星研究員蜜雪兒・庫尼莫托(Michelle Kunimoto)所撰寫並公開的行星偵測演算法,並執行該演算法來驗證訊號。不過,這也帶來了隱憂,庫尼莫托指出,並非所有業餘玩家都能負責任地進行研究,許多人並不完全理解 AI 工具所使用的演算法,導致產出了品質不佳的候選行星,讓學術傳播系統面臨過載壓力。
從產業面來看,當 AI 降低了跨領域探索的門檻,我們迎來的絕對不只是平權,還有隨之而來的「噪音污染」。拉布切維奇的成功證明了懂程式邏輯比懂傳統天文學更能快速上手大數據,但如果每個人都能輕易「製造」出看似合理的科學發現,未來的學術審查機制絕對會面臨前所未有的潰堤危機。對一般人來說,這是一場科技民主化的狂歡;但對科學界來說,這更像是一場必須嚴陣以待的品質防衛戰。
話說回來,科技工具的普及已經是擋不住的浪潮。如果你也對探索未知充滿熱情,現在正是最好的時代——只要你願意花時間理解工具背後的邏輯,而不是盲目相信 AI 給你的答案。下次當你坐在電腦前,不妨想想看,自己手邊的數據庫裡,是不是也藏著尚未被世人發現的宇宙祕密?
至今影響與未來展望
從過去少數專業天文學家才能涉足的領域,到如今公民科學家透過 AI 快速篩選海量數據,這項轉變徹底顛覆了天文研究的生態。展望未來,如何在「鼓勵大眾參與科學」與「維持學術數據品質」之間找到平衡點,將是科學界必須嚴肅面對的長期課題。
本文改寫整理自公開新聞來源,原始報導由Nature發布。
常見問題 FAQ
誰都可以用 AI 尋找外星行星嗎?
答案:是的,正如非天文背景的帕維爾・拉布切維奇(Pavel Rabtsevich)所做的一樣,藉由公開的望遠鏡數據與 AI 程式碼工具,業餘愛好者也能參與尋找外星行星。
AI 尋找行星的原理是什麼?
答案:AI 是透過分析恆星亮度的規律性變暗來尋找行星,當行星從恆星與觀測者之間通過時,會擋住部分光線,形成可被偵測的週期性訊號。
專業天文學家對業餘玩家用 AI 找行星有什麼看法?
答案:專業學者持正反兩面看法,雖然這擴大了公民科學的參與度,但也引發了研究品質參差不齊、導致學術傳播系統過載的隱憂。
※ 此篇文章由 AI 改寫或生成,內容僅供參考,可能存在錯誤或不準確之處。