人類第一張黑洞照片真的是拍出來的嗎？
昨夜，全世界都被人類史上首張非電腦合成的黑洞照片刷屏。不過，這張圖片并不是不是普通意義上的黑洞照片，它不是直接快門一按就拍攝出來，而是由一支精銳的算法團隊“拼”出來的。
這個算法團隊的leader是個來自麻省理工學院的29歲漂亮小姐姐，她名為凱蒂 · 布曼（Katie Bouman），在計算機科學實驗室中做讓電腦解析圖片和視頻信息的研究。
布曼帶領(lǐng)研究團隊研發(fā)了一種機器學習算法CHIRP，使用地球上8臺最頂尖望遠鏡的觀測數(shù)據(jù)，將距離5500萬光年的M87星云的照片拼接在一起，拼出了世界上第一張黑洞。
布曼在Facebook上分享了自己的成就，寫道：“難以置信地看著我曾經(jīng)制作過黑洞的第一張圖片正在重建中。”
美國總統(tǒng)特朗普的女兒伊萬卡也在twitter恭賀小姐姐：“今日，世界將看到第一個黑洞圖——科學家Katie Bouman使得這個驚嘆的成就成為可能。恭喜！像Bouman這樣#WomanInSTEM萬歲！”
隨著這張照片在全球引發(fā)風暴，布曼小姐姐在TED的演講也被挖了出來，揭秘這張黑洞照片究竟是怎樣“拼”成的？
布曼曾在密歇根大學攻讀學士學位，于2017年在麻省理工學院完成了博士學位，隨后繼續(xù)在麻省理工學院的EHT項目做了一段時間的博士后。今年秋季，她將開始在加州理工學院擔任助理教授，重點研究計算機成像。
布曼小姐姐說，拍攝需要同時具備2個核心組件：一個地球大小的望遠鏡，和一個可以合成最終圖片的算法。
TED傳送門：
一、一個地球大小的望遠鏡
天文學家經(jīng)過經(jīng)年累月的觀察得出結(jié)論，體積足夠小，而質(zhì)量又大到能讓恒星們圍繞著旋轉(zhuǎn)的唯一物體，就是超級黑洞，它的密度大到能吸進周圍一切物體，甚至是光。
雖然黑洞本質(zhì)上是看不見的，但如果以無線電波長放大，我們就會看一圈光線由圍繞黑洞的等離子體引力透鏡產(chǎn)生，這個黑洞在背后明亮物質(zhì)的襯托下，留下了一個圓形的暗影，而它周圍那明亮的光環(huán)勾勒出黑洞的邊界。這個邊界稱為事件視界。
黑洞離我們那么遙遠，從地球上看，還沒月球上的一個橘子大。這導致給它拍照無比艱難。
由于衍射現(xiàn)象，我們能看到的最小物體是有限制的，而當我們看到的東西越來越小時，望遠鏡需要變得很大。
但即便是地球上功能最強的光學望遠鏡，其分辨率甚至還不足以讓我們得到月球表面的圖片。史上從地球上拍攝的最清晰的月球表面圖片，包含約1.3萬個像素，每個像素包含超過150萬個橘子，我們需要一個和整個地球一樣大的望遠鏡，來看清月球上的橘子，以及黑洞。
造出這么大的射電望遠鏡無異于天方夜譚，不過，辦法總是人想出來的。一個事件視界望遠鏡（Event Horizon Telescope，EHT）國際合作項目就此誕生了。這個項目秘密進行了三年，直到2016年才首次公布。
通過國際合作，該項目團隊通過電腦建造了一個與地球一樣大的虛擬望遠鏡，由8個分布在地球不同地方（智利ALMA、智利APEX、西班牙IRAM、夏威夷Maxwell、墨西哥LMT、夏威夷SMA、美國ARO、南極SPT）的無線電望遠鏡，組成一個遍及全球的網(wǎng)。
這些無線電模擬望遠鏡的光圈，可以產(chǎn)生捕捉探索了銀河系中心的超大質(zhì)量黑洞——射手座A所需的分辨率。
每個望遠鏡都有用于存儲數(shù)據(jù)的大型硬盤驅(qū)動器，望遠鏡之間協(xié)同工作，通過原子鐘的準確時間相連，各地研究團隊通過收集上萬千兆字節(jié)的數(shù)據(jù)，來定位黑洞的邊界光線。
布曼說，如果上文我們提到的地球大小的望遠鏡被造出來了，就相當于一個巨大的球形迪斯科燈，每一面鏡子都會收集光線，我們就可以將這些光線組合成圖片，從而看到清晰的黑洞邊界。
但假設(shè)我們將大多數(shù)鏡子移走，只保留幾片，我們?nèi)钥梢試L試將信息合成圖片。
留下來的這幾片鏡子就是地球上的八臺望遠鏡們，但它們對于制成一張黑洞照片來說還遠遠不夠。
還好，地球一直在轉(zhuǎn)圈。
每當?shù)厍蛐D(zhuǎn)時，這些望遠鏡就可以收集到新的信息，我們就可以看到圖片的不同部分。
二、夜產(chǎn)200萬GB的龐雜數(shù)據(jù)源
布曼的團隊所開發(fā)的算法，可以將迪斯科燈上空缺部分填滿，從而“拼”出黑洞照片。
2017年4月，8臺望遠鏡終于湊出了時間，同時來觀測黑洞，每晚產(chǎn)生的數(shù)據(jù)是2PB=2000TB=2000000GB。
2017年6月，布曼收到來自超過半噸的硬盤，里面裝著來自上述八臺望遠鏡的5PB黑洞觀測數(shù)據(jù)，相當于5000年的mp3，或者40000人提供的一生的自拍。
布曼收到的黑洞圖片數(shù)據(jù)硬盤
但是，硬盤里的數(shù)據(jù)那么繁雜，怎么知道誰才屬于黑洞呢？
在人力所不能及的地方，就是機器學習出場的時候！
從銀河中心傳到各個望遠鏡的時間并完全一致，當不同的望遠鏡收到的兩股無線電波相遇，就產(chǎn)生了“干涉”。
然而，無線電波穿過大氣層時，速度會變慢，結(jié)果時間測定就不夠準確。為了解決這一問題，布曼所在的研究團隊提出了CHIRP算法，讓每個測量值都是三臺望遠鏡相乘的結(jié)果，抵消了大氣導致的誤差。
布曼他們用2年時間處理這些數(shù)據(jù)，終于在2019年4月從這些數(shù)據(jù)中還原出了這個黑洞的照片。
三、一個可以合成最終圖片的算法
布曼所研發(fā)的CHIRP算法，就是使用Patch priors進行連續(xù)高分辨率圖像重建，補足八個望遠鏡提供的有限數(shù)據(jù)，捕捉黑洞的邊界，生成一張看起來像是黑洞圖片。
由于望遠鏡數(shù)量的限制，樣本數(shù)量有限，可能有無數(shù)張圖片符合望遠鏡所測量到的信息，其中有些圖片可能會更貼近我們想象中的黑洞，有些圖片則完全不像。
首先，按照圖片是真正黑洞圖片的可能性進行排序，選出可能性最高的那張圖。
但問題是，沒人見過真正的黑洞，那么什么樣的圖才像真正的黑洞呢？黑洞的結(jié)構(gòu)又該如何假設(shè)呢？
使用像《星際穿越》里黑洞圖那樣的模擬圖？這并非不可行，只是存在一個問題，如果愛因斯坦的理論是錯的，怎么辦？
布曼說，他們希望獲得盡可能真實的圖片，但如果在算法摻入太多愛因斯坦的公式，最終只會看到自己希望看到的。但是，你怎么就能確定我們不能在宇宙中心看到一頭大象呢？
不同類型的照片有完全不同的特征，人們可以輕松分辨一張黑洞模擬圖和日常生活照之間的差別，我們需要在不過度提供某類照片特征的情況下，讓算法知道一張正常的圖片應該是什么樣。
一個辦法就是向算法輸入擁有不同特征的圖片，然后看看這些圖片會如何影響重建的結(jié)果。如果不同類型的圖片輸出了相似的結(jié)果，那么就說明此前對圖片的假設(shè)并沒有導致結(jié)果出現(xiàn)太大偏差。
這有點像讓三個來自不同國家的法醫(yī)素描師，根據(jù)同樣的文字描述來作畫，如果他們畫的差不多，那么就相對確定他們各自的文化背景沒有影響到他們的畫。
將不同圖片的特征賦予算法的一個方法，就是使用現(xiàn)有圖片的碎片特征。因此，布曼將圖片分解成無數(shù)個小圖片，然后像拼圖一樣處理這些小圖片，最后獲得符合望遠鏡所測量數(shù)據(jù)的完整圖片。
不同類型的照片有完全不同的拼圖碎片，所以當使用相同的數(shù)據(jù)和截然不同的拼圖來重現(xiàn)圖像時，會發(fā)生什么？
布曼先從黑洞模擬類的拼圖開始，拼成比較符合我們想象的黑洞的樣子。但得到這個結(jié)果是否僅僅是因為我們拿的是黑洞模擬拼圖呢？
隨后，他們又拿宇宙各種天體的照片、人們?nèi)粘Ｉ畹恼掌テ磮D，均得到相似的圖片。
布曼他們做的另一件事，是用同一組拼圖獲得不同類型的源圖片。所以在模擬實驗中，他們假設(shè)黑洞看起來像一個非黑洞天體，比如像一頭大象。
當下面一排由算法算出的圖片與上排真實圖片十分相似時，他們就對算法有了更多信心。
此處所有圖片都是由拼接日常照片得出。
所以，一張人們從未見過的黑洞照片，最終卻可能由人、樓房、樹、小貓、小狗等我們熟悉的日常圖片構(gòu)成。
這樣的想法使得拍攝第一張黑洞照片成為可能，并將愛因斯坦的理論置于其最嚴格的測試之中; 所觀察到的黑洞的大小和形狀都可以通過廣義相對論方程來預測，同時使得科學家們每天所依靠的著名理論有望被校驗。
布曼論文傳送門：Computational Imaging for VLBI Image Reconstruction
https://dspace.mit.edu/handle/1721.1/103077
結(jié)語：第一張黑洞照片背后的價值
最后，附送我們在EHT官網(wǎng)上找到了183M的黑洞超高清大圖（7416×4320）的壓縮版：
很遺憾，我們被刷屏了連續(xù)兩天的黑洞照片并不是真正的“黑洞照片”，更合適的理解是科學家們對龐大的黑洞觀測數(shù)據(jù)進行合成后的一種“視覺呈現(xiàn)”，并通過這一圖像，驗證了愛因斯坦黑洞理論的成立，以及黑洞與人類之前想象中形象的相似性。
但這個照片凝聚了來自全世界的天文學家、物理學家、數(shù)學家和工程學家們智慧和汗水的結(jié)晶，他們用創(chuàng)新的思維和不同常人的毅力完成了這一人類史上偉大的壯舉。
史上第一次拍攝黑洞事件視界圖像的面紗終于被揭開，而人工智能算法在其中的作用不可估量。英國媒體Dailymail認為，事件視界望遠鏡的觀測可以算作本世紀最重要的科學突破。
正如布曼所言，就像所有新發(fā)現(xiàn)一樣，這只是一個開始。
