天文学拥有丰富的数据收集和记录保存历史。大多数古代文明发展出了自己的天文学版本，其中重大的太阳和天体事件被用于建立日历，支持导航并发挥了强大的文化和精神作用。口头传统，例如澳大利亚土著居民使用的传统，使得天文学信息得以保存了数千年。建筑奇景，包括巨石阵，秘鲁的尚基洛十三塔和埃及的各种神庙，都与冬至日出或日落时的位置紧密结合。这些证明了对太阳沿地平线的年度运动的深刻理解，这可能需要数十年甚至几个世纪的时间才能确定并进行监视和记录。

快进了数千年，如今的天文学家使用各种望远镜和粒子探测器收集有关天体的数据。这些观测数据为天文学家提供了无数天文现象(例如行星，恒星，脉冲星，黑洞和星系)的位置，大小，质量和化学成分的信息。通过计算机模拟的使用，我们进一步了解了宇宙，生成了更多的数据用于对观测数据进行建模，预测和支持分析。

通过访问数据集，数据集的大小以PB为单位，不久后又以Exabytes为单位，天文学家已经转向机器学习(通过示例学习的自动化过程)和人工智能或AI(计算机通常需要人类智能来做出决策或发现的计算机)帮助筛选数据。

斯威本科技大学的Christopher Fluke教授和Colin Jacobs博士在WIREs数据挖掘和知识发现中发表的一项最新研究中，调查了机器学习和AI在天文学中的影响范围和成熟度。“通过检查过去两年中广泛的研究工作，很明显，天文学家正在将机器学习和AI用作跨领域的强大发现工具，” Fluke说。“无论是寻找围绕其他恒星的新行星，发现仅几秒钟可见的瞬变物体还是预测太阳活动的变化，机器学习和人工智能都为天文学家提供了新的发现，预测和发展新科学见解的方式。 。”

与更成熟的方法(包括人工和深度神经网络)一起，诸如天生对抗网络(GAN)之类的新兴技术也被天文学家所采用，在这些技术中，神经网络相互竞争以产生与真实数据无法区分的结果。Fluke指出：“ GAN可以帮助填补观测中的某些缺失信息，或显着减少运行详细的计算机模拟所需的时间。”

随着人工智能和机器学习的进步加速，人类和自动模式识别功能之间的差距正在缩小。越来越多的劳动密集型，以人为中心的任务和流程被更快的自动化处理所取代。机器学习和AI技术的采用正在推动未来天文学家探索发现过程的方式发生根本变化。

“不必是非此即彼的情况，” Fluke说。“随着我们对使用机器学习和AI的信心增强，最令人兴奋的前景是，随着我们继续探索宇宙并揭开其秘密，人类和机器将如何更有效地协同工作。”