你有沒有試過用 Google 相簿的「搜尋臉孔」功能，從幾千張照片裡瞬間找出某個人？那種「哇，它怎麼找得這麼快」的驚嘆感——天文學家現在也有同款心情，只不過他們找的不是臉，而是行星。而且一找，就找到了 100 顆以上。
NASA 的星空資料庫，其實是座待挖的金礦
NASA 有一個叫做 TESS 的太空望遠鏡任務，專門盯著幾百萬顆星星看，觀察它們的亮度有沒有規律性地微微變暗。為什麼要看這個？因為當一顆行星從星星前面「路過」時，就會擋住一點點星光——就像你拿手指遮住一盞燈，燈不會完全熄滅，但亮度會稍微降低。這個細微的「閃爍訊號」，就是行星存在的線索。
問題是，TESS 看的星星實在太多了，產生的資料量龐大到人工根本看不完。過去，科學家只能靠傳統的自動化程式篩選，但這些程式很容易把真正的行星訊號漏掉，或者把雜訊誤認為是行星。換句話說，那座金礦裡，一直有很多金塊沒被撿到。
RAVEN 登場：一個不會累、不會分心的星球獵人
這時候，一款名為 RAVEN 的 AI 工具出現了。你可以把它想像成一個超強的資料偵探——它不只看「燈有沒有變暗」，還會同時分析訊號的形狀、週期、規律性，以及各種可能造成假警報的干擾因素，然後給每一個候選訊號打分數，判斷它是真行星的機率有多高。
更厲害的是，RAVEN 不怕量大。它掃過了 TESS 觀測到的數百萬顆星星，篩出數千個「很有希望」的候選行星，接著天文學家再對其中最有把握的進行後續確認。最終結果？超過 100 顆系外行星得到確認，其中 31 顆是人類從未見過的全新世界。
最讓科學家興奮的，是那些「不應該存在」的行星
在這批新發現裡，有幾種行星特別引人注目——它們的存在本身就是謎題。
第一種是「超短週期行星」：這些星球繞行母星一圈，所需時間不到地球上的一天。想像一下，你在那顆星球上，還沒睡醒，一年就結束了。它們離母星近到幾乎快被烤焦，能在那種環境下存活，本身就讓科學家百思不得其解。
第二種更神奇：它們住在所謂的「海王星荒漠」。這是一個天文術語，指的是距離母星非常近、卻幾乎沒有海王星大小行星的區域——理論上，這個區域的輻射強度太強，海王星這種帶有厚重大氣層的星球根本撐不住，大氣會被慢慢剝光。所以在這裡發現類似海王星的行星，就像在沙漠中間發現一座湖，讓科學家既驚喜又疑惑：它是怎麼活下來的？
AI 找行星，意義遠不只是數字變多
有人可能會問：又多了 100 顆行星，然後呢？這跟我有什麼關係？
這個問題問得好。找行星這件事，表面上看起來很遙遠，但它背後的核心問題其實非常「人」：宇宙裡，除了地球，還有沒有適合生命存在的地方？
要回答這個問題，我們需要樣本。樣本越多，科學家越能理解行星形成的規律——什麼條件下會出現岩石行星？什麼條件下適合有水？為什麼有些行星可以在極端環境下存活？這些問題的答案，最終都指向同一個方向：我們到底有多孤獨？
而 RAVEN 這類 AI 工具的出現，代表我們蒐集樣本的速度，將從「龜速」跳升到「快轉」。過去可能要花幾年才能確認的行星，現在幾個月就能篩出一大批。這不是效率提升一點點，而是研究的典範正在轉移。
所以你明天可以做的一件事是……
好，我知道你沒辦法明天就去找行星。但如果這篇文章讓你對夜空多了一點好奇心，不妨在某個晴朗的夜晚，找個光害少的地方，抬頭看一看。你看到的每一顆星，很可能都有自己的行星系統在繞著它轉——只是我們以前沒有夠強的工具去找到它們而已。現在，AI 正在幫我們一顆一顆地點亮那些隱藏的世界。
📄 本文來源：相關研究成果由天文學團隊透過 NASA TESS 任務資料發表（2025）。
查看原始報導 ↗
