NASA的GALEX任务扫过约三分之二的天空，剩下的部分一直空着。现在，一张完整的紫外天图第一次被拼了出来，补上缺口的不是新发射的望远镜，是AI。

约翰斯·霍普金斯大学天体物理学家Brice Ménard在Anthropic官网描述了整个过程。他所在的项目用Anthropic的Claude Science，把多个太空任务的数据下载、校准、合并到一起，做成了这张此前不存在的紫外全图。

打开网易新闻 查看精彩图片

为什么紫外图一直缺一块

紫外光能照出被星光点亮的尘埃——年轻恒星周围的云气，或者恒星爆炸后留下的环状结构。这类观测对理解恒星形成和演化很关键。

但地球大气层里的臭氧层会把紫外光挡在外面，所以紫外波段只能从太空测。GALEX任务覆盖了约三分之二的天空，却跳过了明亮的恒星形成区——恰恰是最值得看的地方。

缺口就这么留了下来。不是没人想做，是补全它的工作量太大，一直排不上优先级。

AI接手的是哪部分活

Claude Science在这个项目里扮演的是协调者角色，指挥多个AI智能体分工：从不同太空任务拉取数据、做校准、再合并成一张图。

缺失区域用了一种叫inpainting的技术填补——模型从已有数据里学习规律，据此重建空白处的信息。测试中，这些预测与实际测量值的平均偏差约为10%。

这个数字值得留意：它不是完美复刻，而是一个可量化的误差水平。对于一张此前根本不存在的全图来说，10%的偏差意味着它可以用，但用的人需要知道边界在哪。

Ménard把这张图定位为教学材料。他的判断是，很多科学家手上都压着类似的项目——不是不想做，是数据处理的琐碎工作量让人一直往后拖，而现在AI可能让这些项目变得可行。

被省下的不是算力，是耐心

这个项目的看点不在模型有多强，而在它接手的是科研里最不性感的那一段：下载、校准、对齐、拼接。这些活没有智力上的快感，却占掉大量时间。

Ménard的说法指向一个更普遍的情况：科学界积压着一批"迟早要做"的数据工程，它们不缺科学价值，缺的是有人愿意花几个月去磨。当这类工作可以被智能体流水线接管，被释放出来的就是研究者的注意力。

紫外全图只是第一个被摆到台面上的例子。它证明的不是AI能替代天文学家，而是那些因为太枯燥而永远排在队尾的活，现在有了另一种完成方式。