對話騰訊優圖實驗室：我們用AI探星不是為了短期價值
地球自轉壹圈需要24小時，那麽妳知道脈沖星（不斷發出脈沖信號的中子星）自轉壹周需要多久嗎？
答案是：按秒計算。
即便是目前發現轉速“最慢”的脈沖星（編號J0250+5854），它自轉壹周可能也只需要23秒。而轉速快的脈沖星，它可能在妳壹眨眼的功夫就已經偷偷跑了幾十個轉了。
因而，我們人類用肉眼是很難直觀感受到脈沖星的頻率。約定俗成的手段是，利用射電天文望遠鏡對脈沖星發出的射電信號特征進行提取，然後將這部分特征通過二維空間的方式表達出來。科學家通過對這些數據進行相應的追蹤觀測，才能夠發現脈沖星的痕跡。
但這壹切帶來的工作量都太大了。
2021世界人工智能大會期間，馬化騰宣布了騰訊與國家天文臺的合作，雙方合作的項目，主要是借助騰訊雲的計算、存儲能力與騰訊優圖實驗室AI算法的能力，為中國天眼FAST尋找脈沖星提速。
壹家是互聯網公司裏的實驗室，壹家是從事基礎科研的天文臺，如何開啟探星業務？
找星星的人
中國科學院國家天文臺研究院、FAST首席科學家李菂向雷鋒網透露， 雙方合作期間已經被驗證的新脈沖星已經有5顆了。
讓人興奮的數字。
實際上，這場興奮最初源於1967年和1993年的兩次脈沖星觀測發現，其意義引發了全世界天文學家對脈沖星 探索 的強烈熱情。
而在中國天眼落成之前，中國的望遠鏡和中國工作的科學家從來沒有發現過新的脈沖星。
2016年9月，全球最大的500米單口徑球面射電望遠鏡FAST落成，也就是我們如今常說的“中國天眼”。
過去幾年，僅中國天眼FAST壹家就已經觀測到近350顆脈沖星，占全球已發現脈沖星總數（近3000顆）的十分之壹。
可以說，中國科學家在利用天眼作為天體設備搜尋脈沖星方面，已經具備壹定的領先性和成熟經驗。
而這壹領先性有望被再度提升。
2021年，騰訊優圖實驗室主動找到李菂老師團隊，希望能利用騰訊自身在AI算法、計算資源調度等方面的優勢，為航天探星做出壹些努力。
經過前期的壹系列交流和 探索 後，雙方很快就在春節後正式確立了項目：即利用 AI 幫助中國天眼 FAST 處理每天接收到的龐大數據量，並通過視覺 AI 分析找到脈沖星線索。
李菂老師告訴雷鋒網：
復雜的圖像數據
優圖實驗室在這個過程中做的，其實就是將交給科研工作者判斷的特征圖，交給機器來處理判斷。當然這部分特征圖也是經過處理後的適合計算機視覺領域處理的圖像數據。
騰訊優圖實驗室副總經理黃飛躍向雷鋒網指出:
這個過程就好比是粗篩和預處理，利用AI的方式解決掉（如針對缺少標註數據問題，采用了小樣本學習、遷移學習方法），然後留下的少部分樣本，再經過人工再次比對確認。從整個流程的效率和識別的準確率上都有比較高的提升。
從結果來看，FAST壹周產生的數據，大約相當於3000 萬張信號圖。如果以人工肉眼按照 1 張/秒速度，在不吃不喝不休息的條件下，需要用壹年的時間。如果通過 AI 處理，只需要 3 天時間就可以處理 FAST 的 1 個月數據，極大的節省了人工時間成本。
從磨合到***同促進
在與優圖實驗室合作之前，並不代表天眼FAST沒有嘗試過與機器學習等交叉學科的探究。
例如，FAST團隊就已經普遍在嘗試使用AI技術，FAST團隊中的壹位研究員，在2014年就已經利用深度學習模型找到了脈沖星。但問題就在於團隊壹般只能獲得到壹些公***的工具，他們缺乏的正是具備底層開發的專業研發人員和能力。
而與之磨合的優圖實驗室其實也不乏有天文愛好者，甚至有研究員此前曾針對天文信號分析做過研究。再後來，團隊愈加意識到計算機視覺等AI技術對天文臺探星工作的可能性。
騰訊優圖實驗室定位於應用與研究兩步走：壹是在計算機視覺技術的產業落地；二是有更多科研性的 探索 。出於這樣的初衷，實驗室內部會不定期挖掘、 探索 新的方向。
或許，正是因為這樣的機緣為雙方接下來的合作做了良好鋪墊。
實驗室也要理解用戶
此次大會，我們明顯還看到壹個信號：優圖實驗室在AI的規模化方面開始形成自己的節奏。
過去很長壹段時間裏，互聯網大廠的AI實驗室更強調對前沿技術的 探索 ，單純拼科研成果，而不是經濟效益。
大會現場，騰訊雲副總裁、騰訊優圖實驗室總經理吳運聲宣布推出TI ONE、TI Matrix、TI DataTruth三大AI底層平臺，包括算法開發、模型訓練、數據標註和數據處理等壹系列開發能力。目前騰訊雲已經開放超過300項人工智能的能力，超過50個人工智能解決方案。
從列舉的壹些案例中，不難發現：從過去的消費互聯網領域，到如今工業、金融、傳媒等產業互聯網領域，都已經有了騰訊優圖落地的身影。
在吳運聲看來，過去幾年騰訊優圖在落地產業的改造上更像是“打了壹些釘子，這是必要的，但也都是單點，想要形成規模化還是有壹定難度的。”
這說明：實驗室更加從用戶視角開始理解問題。
在會後的媒體對話中，吳運聲提到，
當科研與應用不再沖突
與之相呼應的是，與上述天眼FAST項目的合作，其實是騰訊 科技 向善的壹個標桿案例。
這與我們所在乎的AI助力行業究竟是不是壹種矛盾？
其實，觀察騰訊各大 科技 實驗室近段時間的表現，妳會發現：它們開始主動出擊，頻繁與雲業務等各部門聯動起來，作為整體解決方案打包出去的同時，也會為了落地要行業、要場景，為了規模化要公有雲能力的支撐。
仰望星空，但同時也要腳踏實地。實打實地看到些效果、成果，才是激勵這群科研工作者的最強動力。