智联招聘

NASA韦伯望远镜揭示了“怪物”黑洞周围的银河系合并现象_我的网站

A |     【文/观察者网 陈思佳】          7月17日至20日，2026世界人工智能大会（WAIC）在上海举办。由于本次大会恰逢2026美加墨世界杯的收官阶段，使用人工智能（AI）预测大力神杯的归属也成为一个热门话题。         北京时间19日，即决赛前一天，在WAIC现场直播中，商汤科技旗下全场景AI办公助手“办公小浣熊”对比赛结果作出预测，认为西班牙将获胜。    相反，每当它发回一张令人瞠目结舌的太空图像时似乎更多的是引起一种“JWST再次出击”的感觉。然而每一次，人们的下巴又掉下来。

B | 实际结果也确实如此，西班牙凭借费兰·托雷斯在加时赛的进球，1-0战胜阿根廷，时隔16年再次登顶。不管怎么说，“惊喜”又回来了--达到了一个相当极端的程度。当地时间周四，科学家们展示了JWST带来的壮观景象：一个星系团围绕着一个巨大的黑洞合并，黑洞里有一个罕见的类星体--也就是一个从虚空的混乱中心喷出的难以理解的明亮光柱。         这并非小浣熊首次作出精彩的预测。来自约翰-霍普金斯大学的天文学家、即将发表在《Astrophysical Journal》上的关于该场景的研究报告的共同作者Andrey Vayner在一份声明中说道：“我们认为这些系统中即将发生一些戏剧性的事情。现在，你可以在arXiv上发表的一篇论文中查看这一发现的详细概要。在世界杯小组赛阶段，小浣熊曾“命中”了32支晋级淘汰赛球队中的26支，其中包括成功预测佛得角出线。”关于这幅画像，特别吸引人的是，这个类星体被认为是一个“极红”类星体，这意味着它离地球超级遥远，因此在物理上扎根于一个原始的空间区域，属于时间的起点附近。

C | 佛得角称得上是本届世界杯“最大黑马”，在小组赛中爆冷战平西班牙，并以小组第二的成绩晋级32强。         北京时间7月20日，2026美加墨世界杯决赛，西班牙1-0战胜阿根廷 IC photo          AI是如何“看”比赛，如何预测足球比赛结果的？观察者网与商汤科技小浣熊家族负责人贾安亚进行了对话，她指出，AI并不是简单地猜测答案，预测世界杯结果的背后，展现的是对数据、文本和复杂变量的综合处理能力，AI不会消除不确定性，而是帮助人们更理性地理解问题。

D |          “AI不是预言机器，预测也不是玄学”          事实上，在本届世界杯的早期阶段，办公小浣熊最初预测的结果是阿根廷将挺进决赛并夺冠。从本质上讲，由于光在空间中的传播需要时间，所以到达人们眼睛和机器的每一股宇宙光都是在很久以前看到的。即使是月光也需要约1.3秒才能到达地球，所以当人们抬头看月亮的时候，实际上看到的是1.3秒以前的月亮。更具体地说，对于这个类星体，科学家们认为这个天体的光需要约115亿年才能到达地球，这意味着人们看到的是它在115亿年前的样子。

E | 但在决赛前夕，基于对球队近期状态、攻防效率、关键球员表现等最新公开数据的分析，小浣熊给出了新的预测，认为西班牙夺冠的概率更高。

F |          贾安亚告诉观察者网，足球比赛结果受到很多因素影响，人们可能会看强队光环、球星名气、过往战绩，但这些并不一定能完整反映一支球队当下的真实竞争力。据研究小组称，这也使得它成为从如此巨大的距离（115亿光年之外）观察到的最强大的同类天体之一。Vayner在谈到这个类星体所处的领域时说道：“这个星系正处于它一生中最完美的时刻，它即将发生转变，在几十亿年后看起来完全不同。         小浣熊进行预测时，会把问题拆得更细，比如深入分析球队近期状态、阵容稳定性、历史表现、攻防效率、对手结构、赛程难度、伤病情况、关键球员影响，以及同组竞争关系。         她以佛得角为例，这并不是典型的热门球队，“如果只凭直觉，很多人可能不会优先看好它。但数据分析的价值就在这里：它可以把一些不那么显眼的变量拉出来，比如球队在特定阶段的稳定性、比赛执行力、对手分布、净胜球压力等，然后放到同一个框架里比较。”分析一个银河系的稀有性在Vayner和研究人员提供的彩色图片中，我们可以看到好几样东西。”          谈及世界杯决赛的结果，贾安亚表示，决赛和普通比赛不一样，决赛中的临场状态、战术调整、伤病情况、裁判尺度、甚至一次偶然失误，都可能改变最终结果。所以小浣熊给出的不是确定性判断，而是在当前信息条件下的概率分析。         “小浣熊的过程不是简单问一句‘谁会出线’，然后让模型猜答案。它会先整理数据，再建立分析维度，形成概率判断，最后给出理由和风险提示，”贾安亚说，“体育比赛的魅力就在于不确定性。

G | AI能做的不是消灭这种不确定性，而是帮助我们更理性地理解它。”          不过，她也强调，体育比赛永远有偶然性，AI不是预言机器，也不应该被包装成玄学，真正值得关注的是它能不能在复杂信息中提供更高质量的分析框架。左边是哈勃太空望远镜对该团队所研究的区域的观察，中间是JWST锁定的点的放大版。世界杯预测只是一个更大众、更容易理解的窗口，背后展示的是AI对数据、文本、规则和复杂变量的综合处理能力。

H | 看一下这张图片的最右边，那里有四个单独的彩色编码框。         据介绍，办公小浣熊是商汤推出的全场景AI办公助手，覆盖个人用户、专业办公人群，以及企业和产业客户的真实任务场景，具有全场景覆盖、结果交付、任务链路能力和安全可控等优势。         目前小浣熊已经服务了8000多家企业客户，覆盖供应链、金融、教育、政务、电商运营、企业经营管理等多个行业和场景。         “AI不应该替代人，而是成为工作系统的一部分”          在信息化时代，数据分析能力是衡量AI性能的一个关键指标。比如红色的东西正在远离我们，而蓝色的东西正在向我们移动。这种分类向我们展示了参与壮观合并的每个星系的行为方式--包括拥有极端黑洞和伴随的红色类星体的星系，事实上，这也是该团队预计用NASA价值数十亿美元的仪器发现的唯一一个类星体。贾安亚告诉观察者网，在这一方面，小浣熊系列产品构建起从数据清洗、指标构建、业务理解、推理分析到结果交付的一整套能力。         她表示，为提高数据分析的准确性，小浣熊首先会做好数据治理，帮助用户做数据清洗、格式整理、异常识别和指标统一；其次是理解场景，根据不同业务和问题选择相应的分析路径；然后是把数据判断和业务常识结合，在具体语境里解释数据结论；最后是确保分析可解释，让用户能够复核AI的分析结果。         但数据并不是决定结果的一切，很多时候，个人的主观判断、情绪变化或者突发事件，都可能彻底改变事件的结果，这往往是难以提前预料的因素，也不一定能在数据中得到直观、完整地体现。

I |          对此，贾安亚表示，小浣熊倾向于分层处理问题。“你在这里看到的只是数据集中的一小部分内容，”约翰霍普金斯大学天体物理学家和该研究的共同作者Nadia L. Zakamska在一份声明中说道，“这里发生的事情实在是太多了，所以我们首先强调了真正最大的惊喜。例如，对于已结构化的数据，AI可以直接进行分析；可以间接观察到的信号，往往能反映变化的趋势；突发和人为变量则不会给出确定性的判断，AI会把它标记为风险因素或通过情景分析告知用户。         她说：“这也是我们对AI的基本看法：AI应该增强人的判断，而不是假装替代人的判断。”          在金融、医疗、教育等领域，不仅看重数据分析能力，数据安全和隐私保护问题也是重中之重。

J | 贾安亚表示，小浣熊在这方面有几个原则，包括数据使用最小化、明确AI的权限和边界、重视本地化和企业级部署能力、确保过程和结果可追溯等。         她指出，如果数据安全、权限边界、隐私保护没有做好，AI能力再强也很难真正落地，“从更大的趋势看，AI应用真正进入产业深水区后，竞争不会只是谁的模型更会说话，而是谁能在安全、稳定、可控的前提下，完成复杂任务交付。这里的每一个圆球都是一个婴儿星系合并到这个母亲星系中，颜色是不同的速度，整个东西在以极其复杂的方式运动。”Zakamska说，现在，该团队将开始解开这些运动并在更大程度上增强视野。

K | 不过，我们所看到的信息已经远远超过了该团队一开始的预期。哈勃和双子座北方望远镜之前显示了一个过渡星系的可能性，但绝对没有暗示可以通过JWST可怕的红外设备看到的星群。

L | Zakamska说道：“通过以前的图像，我们认为我们看到了暗示，这个星系可能在合并的道路上跟其他星系相互作用，因为它们的形状在这个过程中被扭曲了。但在我们得到韦伯的数据之后，我就想，‘我不知道我们在这里看什么，这些东西是什么！'。我们花了几个星期的时间，只是盯着这些图像看了又看。”该团队表示，不久之后，很明显，JWST向我们展示了至少三个独立的星系，其移动速度快得令人难以置信。他们甚至认为这可能标志着早期宇宙中最密集的已知星系形成区域之一。这个复杂的图像的一切都令人着迷。这也是小浣熊非常重视的方向。”          如今，AI已经逐渐成为一种应用于方方面面的生产力工具，许多人已经习惯在办公等场景中使用AI来处理不同任务，甚至出现人在下班后AI继续干活的场景。我们有被Zakamaska称为“怪物”的黑洞，有从该黑洞中喷出的极为罕见的光束，还有一群处于碰撞过程中的星系--所有这些都是数十亿年前的景象。         对于这些变化，贾安亚认为，AI正在重构工作方式，很多重复性高、流程相对固定的信息密集型工作，不再需要由人亲自完成每一步，工作开始变成另一种形态：人提出目标，AI 拆解任务、处理材料、调用工具、生成结果，人再做判断和确认。         她说：“但我不认为AI应该被摆在‘替代人’的位置上，而是应该成为工作系统的一部分。它可以帮人生成初稿、分析数据、完成重复劳动，但方向、责任、价值判断和关键决策，仍然应该由人来承担。”          在贾安亚看来，未来真正有价值的人机协作，不是人完全不工作，也不是人被AI牵着走，而是人更专注于定义问题、判断结果、承担责任，AI则把大量繁琐但必要的工作做好，“这个变化会影响企业组织、办公软件，也会影响每个人的工作方式”。

Current article:http://aswe9k1.linxiuhuaishuangniuzhenrua.bond/rwmndt/20260826/789652.html

Published on:10:16:58