AI开始指挥望远镜找外星信号，先接管的是科学家的哪一部分工作？

让AI替你写一份报告，已经很常见。让它调度42面天线、处理来自天空的数据，再决定哪些信号值得追查，事情就进入了另一种量级。

英伟达10月30日介绍，“突破聆听”项目（Breakthrough Listen）与地外文明搜寻研究所（SETI Institute）正在美国加利福尼亚州北部的艾伦望远镜阵列中引入代理式AI，将观测操作和实时数据处理连接起来。这里的“代理式AI”，指能够调用工具、连续执行步骤的AI系统。[1-2]

它最值得关注的变化，是把过去分散在不同软件和操作环节里的任务，组织成可执行的观测流程。

从“告诉人怎么做”，到调用仪器做事

按照英伟达的介绍，研究人员可以使用自然语言提出观测要求，系统再协助完成天线控制、校准和数据分析。调度软件负责协调观测与计算资源，擅长同时处理大量数据的图形处理器等设备，则承接持续涌入的信号。[1]

该研究所介绍，这座阵列由42面直径6米的天线组成，可以协同收集无线电波。多面天线配合，既能研究天空，也能对特定方向进行更集中的观测。[2]

读者可以把它想象成一个非常敏感的“多人监听小组”：天线负责接收，计算系统负责把记录整理成可分析的数据，AI协助把观测目标转成操作步骤。它并没有凭空增加天空里的信息，主要改变的是人如何调动仪器、处理信息。

项目软件还提供了设备状态与处理流程的接入能力。这很关键：一句自然语言指令是否真正执行，不能只看AI回答得多流畅，还要看天线、计算资源与数据记录实际发生了什么。[1,3]

检出脉冲星，与找到外星人之间隔着什么？

英伟达称，这套流程已用于实时检测蟹状星云中的脉冲星。中子星是某些大质量恒星死亡后留下的极致密星体，脉冲星则是其中会产生周期性信号的一类。在这里，已知天体为检验系统能否正确工作提供了参照。公告没有宣布发现外星文明。[1]

找外星技术信号的困难，也从来不只是“从噪声里找出一个特别亮的点”。人类自己的通信与设备干扰、仪器问题、自然天体，都可能制造值得注意的信号。

因此，AI标出的异常，首先是待解释的候选。该研究所列出的探测原则要求，对疑似地外智能信号努力进行认证和实证，包括由不同机构、不同设施、不同仪器与方法开展独立观测或检查。[4]

如果系统只在自己的数据处理链里反复确认同一个结果，就可能把同一项错误重复很多次。跨设备、跨方法的检验，正是为了减少这种风险。

科研自动化，最该保留什么？

这次进展给科研机构的启示，比“AI会不会第一个找到外星人”更实际：哪些重复操作可以交出去，哪些关键决定必须留下证据？

自动化观测应当能够回溯：当时指向哪里，使用什么参数，接收和处理是否异常，模型为何筛出这段信号。执行日志、原始数据和独立复核，应当随自动化程度一起增强。

AI有望帮助研究人员更快地完成观测与初筛。但一个候选能否变成发现，仍取决于它能否经受另一套仪器、另一种方法和另一组研究人员的检验。望远镜可以更自动，科学结论仍需要可检查的理由。

参考资料

[1] PORTER C. Things That Go Beep in the Night: Agentic AI Joins the Search for Extraterrestrial Signals[EB/OL]. NVIDIA Blog, 2026-10-30[2026-11-02].

[2] SETI INSTITUTE. The Allen Telescope Array[EB/OL]. [2026-11-02].

[3] STELLINE. Stelline: software stack and Nexus orchestration[EB/OL]. [2026-11-02].

[4] SETI INSTITUTE. Protocols for an ETI Signal Detection[EB/OL]. [2026-11-02].