天文学家们发现系外行星已经有几十年了，但是绝大多数太阳系外新发现的行星都是开普勒任务的结果。这个太空观测站已经发现了一千多颗系外行星，但是开普勒积累了大量难以分析的数据。谷歌已经介入，为天文学家提供了机器学习技术方面的帮助，这一合作关系已经结出硕果。谷歌的TensorFlow平台已经确定了两颗此前错过的行星，它们围绕着遥远的恒星运行。

在开普勒任务的第一阶段，宇宙飞船观察了大片天空，每30分钟拍摄一次图像。开普勒观测亮度下降，这表明一颗行星在一颗遥远的恒星前面经过。这种所谓的“中转”外行星探测方法已经证明是非常有效的，但开普勒产生了大量的数据。在第一个四年的任务中，开普勒产生了大约140亿个数据点，所以你需要一些软件分析来筛选出人类可以看到的潜在重要信号的列表。借助机器学习的力量，谷歌的软件可以更有效地做到这一点。

机器学习是关于教学计算机如何识别模式的，它需要大量的数据来训练系统。这使得外行星以许多方式寻找完美的应用。在这种情况下，谷歌人工智能研究人员ChrisShime与来自UTAustin的天体物理学家AndrewVanderburg合作，对具有15,000个标记开普勒信号的系统进行训练。Tensorflow模型了解了行星和非行星在开普勒数据中的样子，当显示新数据时，最终达到96%的精度。

在首次应用新的行星狩猎AI，Shallue和Vanderburg释放了它的670颗恒星，已知有系外行星。它发现了两颗新行星，一颗围绕开普勒80运行，另一颗围绕开普勒90运行。一个轨道开普勒90(被称为开普勒90i)是特别有趣的。

开普勒90i的发现使这颗恒星周围已知行星的数量增加到了8光年以外的2545光年，就像我们自己的太阳系一样。这是唯一已知存在的其他八颗行星系统。开普勒90i比地球大30%，在地球上只运行了14天。表面温度在华氏800度附近。

谷歌计划将更多的数据输入到模型中，看看是否有更多的行星隐藏在模型中。毕竟，它只扫描了200，000人中的6，470人。