12 月 15 日訊息，美國宇航局利用谷歌的機器學習技術，對克卜勒太空望遠鏡蒐集的資料進行分析時，發現了兩顆新的系外行星。
谷歌和美國宇航局周四宣布，他們此次發現的這兩顆系外行星，位於距離地球 2545 光年的 kepler-90 系統中，此次新發現的其中一顆系外行星被命名為 kepler-90 i。
此次發現的 kepler-90 i 是 kepler-90 系統發現的第 8 顆行星，至此 kepler-90 系統中的行星數量已同太陽系一樣，目前太陽系也是有 8 顆行星。同太陽相比，kepler-90 略大，溫度更高，質量也更大，但在其他方面與太陽系有很多相似的地方。
不過此次發現的 kepler-90 i 可能並不適合生存，其離 kepler-90 非常近，公轉週期僅有 14 天，而我們生存的地球公轉週期為 365 天。此外，kepler-90 i 表面由岩石構成，由於距離 kepler-90 較近，其表面溫度也非常高，美國宇航局公布的資料表明 kepler-90 i 表面溫度高達 800 華氏度（約 426 攝氏度）。
從谷歌方面公布的資訊來看，他們所利用的技術同此前在**中發現貓和狗的技術類似，是從克卜勒太空望遠鏡在此前四年所蒐集的資料中發現的。
克卜勒太空望遠鏡由美國宇航局在 2009 年 3 月發射公升空，主要設計用來發現環繞著其他恆星的類地行星，在 2013 年發生重大故障後，正常的搜尋工作就已無法進行，美國宇航局嘗試修復但未能成功，同年 8 月 15 日宣布放棄修復，搜尋類地行星的任務也就此結束。
克卜勒太空望遠鏡執行 4 年中所蒐集的資料，此前經過軟體和專家的人工分析，共發現了 2300 顆行星，但這些分析還是存在一些漏網之魚，有些行星訊號較弱，傳統的分析方式難以發現，此次發現的 kepler-90 i 就是其中之一。
參與此次研究的人員就表示，谷歌的機器學習技術使美國宇航局的計算機具備了發現微弱資訊的能力，克卜勒太空望遠鏡所偵測到的部分行星的資料非常弱，機器學習使其被發現成為可能。
谷歌機器學習技術目前還只檢測了克卜勒太空望遠鏡蒐集的 670 顆星球的資料，就已經新發現了兩顆行星，此次發現的另外一顆是 kepler-90 中最小的一顆，被命名為 kepler-80 g。
而克卜勒太空望遠鏡蒐集的資料中，所發現了的行星和其他星體共超過了 20 萬顆，隨著谷歌機器學習技術檢測的深入，可能還會新發現更多的系外行星。
目前，美國宇航局已意識到了機器學習技術的重要性，美國宇航局天體物理部門的負責保羅·赫茲（paul hertz）在乙份宣告中表示，正如他們所預料的一樣，克卜勒望遠鏡的資料中還存在著很多令人驚奇的資訊，有待合適的技術去發現他們。
保羅·赫茲在宣告中還表示，美國宇航局和谷歌此次發現的新行星表明，克卜勒太空望遠鏡 4 年所蒐集的資料，對未來幾年的創新研究將非常重要。
google 發文《從地球到系外行星：用機器學習尋找未知行星》
千百年來，人們仰望星空，記錄觀測結果，探索行星執行的規律。早年的天文學家最先發現的天體之一是行星，希臘人將它們命名為「planētai」，即「漫遊者」，因為他們看似是毫無規律地在夜空中漫遊。數個世紀的天文研究讓人們認識了地球和其他圍繞太陽公轉的行星，而太陽則是銀河系中的眾多恆星之一。
如今，在光學望遠鏡、太空飛行、數碼影像技術和計算機等技術的幫助下，我們能夠將我們的認知範圍擴充套件到太陽系之外，探測到圍繞著其他恆星公轉的行星。通過對這些系外行星（太陽系外行星）的研究，我們對宇宙的探索和研究進一步加深。太陽系之外有什麼？是否存在與太陽系行星相似的行星，以及與太陽系相似的星系呢？
雖然新技術為尋找系外行星提供了幫助，但空間探索並非易事。其他星系的行星與其宿主恆星相比是那麼的冰冷、渺小、黑暗，要在宇宙中找到他們，就像要在千里之外辨認探照燈旁的螢火蟲一樣。不過在機器學習的幫助下，我們取得了一些進展。
天體物理學家尋找系外行星的主要方式，是通過自動化軟體和手動分析對來自美國國家航空航天局（nasa）克卜勒太空望遠鏡獲得的大量資料進行分析。在四年的時間裡，克卜勒太空望遠鏡觀測了大約 20 萬顆恆星。它每 30 分鐘對浩瀚宇宙拍攝一張**，如今創造了大約 140 億個資料點。這些 140 億個資料點相當於 2 千萬億個可能的行星軌道。即便是對於最強大的計算機來說，這也是海量資料，分析起來既耗時又費力。為了讓這個過程變得更加快速高效，我們採用了機器學習。 當沿著軌道執行的行星遮擋一部分恆星的光線時，受測量的恆星亮度就會稍稍減弱。克卜勒太空望遠鏡在四年的時間裡對 20 萬顆恆星的亮度進行了觀測，從而尋找凌日行星引發的特徵訊號。
機器學習是訓練計算機識別事物規律的一種方式，針對大量資料進行分析時特別有用。其關鍵在於讓計算機自行學習大量的樣本，而不是根據具體的規則對其進行程式設計。
googleai 團隊的一名機器學習研究人員對太空探索充滿了興趣。他將 20% 的工作時間花在了這個專案上。在這一過程中，他與德克薩斯大學奧斯汀分校天體物理學家進行合作，將機器學習技術運用到了太空探索中，讓機器學會了識別繞著遙遠恆星公轉的行星。
研究人員用超過 1.5 萬個經過標記的克卜勒太空望遠鏡訊號的資料集，訓練基於 tensorflow 建立的機器學習模型，來區分行星和其他天體。要做到這一點，機械學習就要辨別出行星的通性和規律，而不是恆星黑子、雙星系統和其他天體的規律。當利用這個系統來測試未曾分析過的訊號時，它識別行星訊號和非行星訊號的準確率高達 96%。因此，研究人員知道這個模型能發揮作用。
有了這個模型，他們將目光投向了更遙遠的星空，開始用這個模型在克卜勒太空望遠鏡收集的資料中尋找新行星。為了縮小搜尋範圍，他們鎖定了擁有至少 2 顆行星的 670 顆已知恆星。這樣一來，我們就發現了兩顆新行星：克卜勒 80g 和克卜勒 90i。值得注意的是克卜勒 90i 是繞著克卜勒 90 恆星公轉的第 8 顆行星，是我們所在的太陽系之外首個已知的八行星星系。 使用 1.5 萬個標記的克卜勒太空望遠鏡訊號對機器學習模型進行訓練，教它識別行星訊號。研究人員使用這個模型在 670 顆恆星資料中尋找新行星，發現了 2 顆此前研究遺漏的行星。
關於克卜勒 90i，研究人員還發現了一些有趣事實：它比地球大 30%，表面溫度大約 800 華氏度，並不適合人類居住。此外，它每 14 天公轉一周，要是有人住在上面的話，每兩周就得過一次生日。 克卜勒 90 是我們所在的太陽系之外首個已知的八行星星系。在這個星系中，行星公轉一周的時間更短，克卜勒 90i 每 14 天公轉一周。（注：此圖中行星大小和離恆星的距離不是按比例呈現的。）
機器學習的可能性或許比天空還要廣。目前，研究人員只是用此模型探索了 20 萬顆恆星中的 670 顆。來自克卜勒太空望遠鏡的資料中可能存在著更多尚未被發現的系外行星，而機器學習等新想法和新技術能夠在未來推動天文探索。
讓我們繼續探索無垠宇宙，超越深空！
谷歌推出新工具 利用機器學習技術優化廣告
新浪科技訊 北京時間 7 月 11 日早間訊息，谷歌周二推出了新的廣告購買工具。通過新工具，谷歌嘗試更多地利用計算機演算法來對廣告進行優化，並判斷應當在 投放廣告。由於新工具有助優化廣告效果，廣告主對這些新工程式設計客棧具表示歡迎。這也將鼓勵廣告主將更多預算投放至谷歌平台。不過，隱私保護和技術領域的...
谷歌大腦技術負責人開設 從機器學習到深度學習
課程主頁 注意 本課程完全免費。課程將展示如何訓練和優化基本的神經網路nn，卷積神經網路cnn和長短期記憶網路lstm。tensorflow的完整學習系統將通過專案和任務進行介紹。這門課程由udacity和谷歌首席科學家 谷歌大腦團隊的技術負責人vincent vanhoucke一起開發。課程內容 ...
機器學習演算法與技術簡介
模型比較 lasso 對比機器學習技術參考 簡介 假設集是輸入空間上的超平面，目標函式是01error。演算法是每次更正錯誤直到沒有錯誤發生。h x s ign wtx wt 1 wt ynx n 優點 缺點 實踐建議 簡介 多層感知器 優點 缺點 實踐建議 簡介 假設集是特徵的線性組合，目標函式是...