把望远镜交给机器学习，天文学真的能跑得更快吗？

最近读到一篇 Nature 上的文章，作者把机器学习塞进了暂现天体的分析流水线。超新星爆发、伽马射线暴——这些宇宙中稍纵即逝的事件，人类肉眼和传统算法经常追不上节奏。我有个判断：天文学真正缺的从来不是数据量，而是从噪声里捞信号的速度。机器学习在这里的价值不在于比人更聪明，而在于它能全天候盯着天空不眨眼，在微秒级窗口里抓住那些稍纵即逝的光变曲线。不过，样本稀缺是暂现天体研究的死穴。模型学到的"规律"到底是物理定律还是统计巧合？过拟合风险不小。当望远镜背后站着的是神经网络而非人类，"观测"这个词本身的定义恐怕都得重写。 ===BODY===

原文：Use of machine learning to enhance transient astronomical phenomena · 来源：Hacker News