據(jù)國外媒體報道，亞馬遜的云計算部門亞馬遜云服務(wù)（AWS）預(yù)計利用人工智能來幫助NASA預(yù)測超級太陽風暴的到來。

當太陽的干擾表面被遺棄在幾百萬英里每輻射和帶電粒子爆發(fā)的高爐每小時的速度，將出現(xiàn)太陽風暴。足夠強的輻射爆炸將影響地球中大部分的無線電通信。此外，如果這樣的爆發(fā)（稱為日冕物質(zhì)拋射，或CME）足夠強大，可以直接掃在地上，它可能會導(dǎo)致衛(wèi)星損壞和電網(wǎng)崩潰。

美國宇航局正在與亞馬遜云服務(wù)和亞馬遜機器學(xué)習解決方案實驗室（Amazon Machine Learning SolutionsLab）合作，開展一個項目，使用人工智能了解更多關(guān)于太陽超級風暴的預(yù)警信號．

為了處理大量的數(shù)據(jù)，并提高未來的風險評估，NASA正在使用亞馬遜網(wǎng)絡(luò)服務(wù)分析工具來了一個篩選1000分數(shù)據(jù)集，和計算機模型可以被訓(xùn)練識別暗流涌動的跡象。

亞馬遜博客發(fā)布的文章解釋了NASA的方法，將太陽風驅(qū)動與地球周圍的磁場水平聯(lián)系起來，以識別數(shù)據(jù)中的異常。

NASA使用名為亞馬遜SageMaker機器學(xué)習工具中內(nèi)置的AWS隨機切森林異常檢測算法訓(xùn)練模型。該算法為每組數(shù)據(jù)點提供了一個“異常分數(shù)”。其他AWS工具來實時跟蹤異常數(shù)據(jù)，并跟蹤他們和太陽風暴之間的聯(lián)系。

異常檢測指的是通過數(shù)據(jù)挖掘手段識別數(shù)據(jù)中的“異常點”，由于深度神經(jīng)網(wǎng)絡(luò)分類器可以將分布外（奇數(shù)）輸入以高置信度在分布內(nèi)分類，因此區(qū)分異常值或顯著不同的數(shù)據(jù)是很重要的。當我們使用這些預(yù)測為實際決策提供基礎(chǔ)時，異常數(shù)據(jù)檢測將特別重要。

異常檢測還在數(shù)據(jù)中心有廣泛的應(yīng)用，比如可以從一臺服務(wù)器上提取出一系列特征，如內(nèi)存占用，CPU 使用率，網(wǎng)絡(luò)吞吐量，磁盤訪問頻率等等。利用這些特征建立一個模型。當某個服務(wù)器偏離這個模型較遠時，可能這臺機器快要死機了，就可以進一步查看這臺機器的情況以便做出相應(yīng)的處理。

該計劃使美國宇航局能夠匯總來自50多個衛(wèi)星任務(wù)的數(shù)據(jù)，并開發(fā)可視化以供進一步研究�？茖W(xué)家們已經(jīng)能夠創(chuàng)造必要太陽的現(xiàn)象仿真模擬卡林頓超級風暴事件。