ClaRAN在扫描无线电和红外数据期间做出了十四个射电星系预测。所有预测都以较高的“置信度”进行，显示为检测框上方的数字。1.00的置信度表示ClaRAN极有信心相信所检测到的源是一个射电星系射流系统，并且已经正确地对其进行了分类。
研究人员教授了一种人工智能程序，该程序用于识别Facebook上的面孔，以识别深空中的星系。
结果是一个名为ClaRAN的AI机器人可以扫描射电望远镜拍摄的图像。
它的工作是发现射电星系，这些星系从其中心的超大质量黑洞发出强大的射流。
ClaRAN是大数据专家Chen Wu博士和天文学家Ivy Wong博士的创意，他们都是来自国际射电天文学研究中心（ICRAR）的西澳大利亚大学分校。
黄博士说，黑洞位于大多数（如果不是全部）星系的中心。
她说：“这些超大质量的黑洞偶尔会打出射束，这些射束可以用射电望远镜看到。”
随着时间的流逝，喷气机可以从其宿主星系延伸很长的距离，这使得传统的计算机程序很难分辨出星系所在的位置。
“这就是我们试图教ClaRAN做的事情。”
吴博士说，ClaRAN源自微软和Facebook的对象检测软件的开源版本。
他说，该程序已经过全面检查和培训，可以识别星系而不是人。
ClaRAN本身也是开源的，可以在GitHub上公开获得。
黄博士说，即将进行的使用西澳州的澳大利亚平方公里阵列探路者（ASKAP）望远镜进行的EMU调查预计将在整个宇宙历史上观测到多达7,000万个星系。
通过合并来自不同望远镜的数据，ClaRAN在检测和分类方面的“信心”水平得以提高。显示为检测框上方的数字，置信度为1.00表示ClaRAN非常确定检测到的源是射电星系射流系统并且已正确分类。左侧是ClaRAN检
测到的射电星系射流系统，仅使用来自射电望远镜的数据。ClaRAN不确定在这里看到什么，给出了两个预测，一个预测以0.53的低置信度覆盖整个系统，而一个预测仅以0.67的置信度覆盖了顶级喷气机。右边是同一个星系，但是红外望远镜的数据被覆盖了。通过包含红外望远镜的数据，ClaRAN对检测的信心提高到了1.0的最高值，而ClaRAN现在将整个系统纳入其唯一的预测中。
她说，传统的计算机算法能够正确识别90％的来源。
Wong博士说：“由于其扩展结构的复杂性，仍然有10％或700万个“困难”星系必须被人类盯上。
Wong博士先前通过Radio Galaxy Zoo项目利用公民科学的力量来发现星系。
她说：“如果ClaRAN将要求视觉分类的光源数量减少到百分之一，这意味着我们的公民科学家有更多时间花在寻找新型星系上，”她说。
由Radio Galaxy Zoo志愿者制作的高精度目录被用来培训ClaRAN如何识别飞机的起源。
吴博士说，ClaRAN是称为“编程2.0”的新范例的一个示例。
他说：“您要做的就是建立一个巨大的神经网络，为其提供大量数据，然后让其指出如何调整其内部联系以产生预期的结果。”
“新一代的程序员花费99％的时间来制作最优质的数据集，然后训练AI算法来优化其余部分。
“这是编程的未来。”
黄博士说，ClaRAN对于望远镜观测的处理方式具有重大意义。
她说：“如果我们可以开始为下一代调查应用这些更高级的方法，那么我们就可以最大限度地利用它们。”
“使用40年的全新数据方法毫无意义，因为我们正在尝试比以往任何时候都更深入地探索宇宙。”
关于ClaRAN的研究论文今天在牛津大学出版社出版的《皇家天文学会月刊》中发布。
