宇宙里大约三分之一的天空，从没被紫外线望远镜真正拍过。这张空白图，刚被一个 AI 补上了。
Anthropic 上线了一张完整的全天紫外地图，其中约三分之一不是「拍」出来的，是 Claude 推算出来的。听起来像 AI 又一次炫技，但真正有意思的，是这活儿里 AI 和人的分工——AI 干了最累的数据脏活，最后揪出致命 bug 的，还是人的眼睛。

一、为什么天上有三分之一没拍过补图的主角是 NASA 2003 年发射的 GALEX 紫外线太空望远镜。它在轨道背光面观测，每次只能对准一小片约 1.2 度宽的区域。到 2007 年，它拍了约 38,000 张快照，也只覆盖了远紫外 64%、近紫外 76% 的天空。
剩下的空白不是偷懒——有些明亮恒星和银河盘面被有意绕开，因为强光会伤探测器。2013 年探测器退役后，别的望远镜补过一些，还是没把紫外线天空拍全。这就是蔡斯留下的三分之一空白。

二、Claude 怎么把这三分之一「补」出来约翰斯·霍普金斯大学教授、同时也是 Anthropic 研究员的 Brice Ménard，把活儿派给了 Claude。他说这事人做要几周，借助 AI 用了几天。
Claude 干的不是「回答一个天文学问题」，而是调度多个 Agent 分头处理：找出公开巡天资料、下载到本地、把同一台仪器不同年份的照片对齐、再把不同仪器的亮度标准统一。只有测量值落在同一套坐标和亮度里，空白处的推算才有参照。
没观测的地方怎么办？团队拿已知区域当对照，找紫外线亮度与可见光、红外线、射电的关系，用统计规律去估空白区；再根据欧洲航天局 Gaia 的恒星数据，另外估了上亿颗恒星的紫外线贡献，叠上去。

三、光完整不行，还得「靠谱」图补出来后，两个细节决定了它到底能不能用，比「完整」这两个字值钱多了。
一是误差。团队把拍过的区域故意遮住，让 AI 用剩余资料去补，跟实测值对比，差距约 10%。10% 看着不高，但别忘了——这是在「有真值可对」的区域测出来的；真正从没拍过的地方，没有一张原片能逐点核对。换句话说，那 10% 是下限，不是上限。
二是圆圈残留。有天晚上 Ménard 在一片很暗的区域发现几枚若隐若现的圆，他凭经验判断这不是真实天体，而是 GALEX 一次次圆形拍摄留下的痕迹，是仪器和处理流程的瑕疵。Claude 早防过这类残留、还让其他 Agent 审了两轮，愣是都漏了——最后是人亲眼看到，才把它变成一次修正。
最终这图改了十几个版本，每个像素都标着「测得」还是「预测」，还附不确定性。分门别类画清楚，才是一张能用的天图。

四、这件事真正说明了什么别把它读成又一个「AI 完胜人类」的故事。它展示的分工更现实：
环节
谁负责
AI 的角色
数据清洗、对齐
Claude 多 Agent
主力（最累的脏活）
方向与验收
Ménard
人定方向、检查阶段成果
揪出圆圈残留
人的眼睛
AI 审两轮仍漏掉
误差口径
人
10% 是下限不是上限
AI 真正管用的是把「繁琐到劝退」的数据整理功夫扛下来——这是以前 Ménard 想做却一直没做的老项目，现在几天就出图。AI 负责放大规模，人负责最后那道判断的门。
下次再看到「AI 生成的全景图/全地图」，你可以多问一句：哪些是测的，哪些是猜的，误差多少？图全网都能画，这几个问题才见真假。
你觉得这种「AI 补全未知区域」的结果，能信吗？还是说没实测验证过的东西，再好看也只是高级的猜？评论区聊聊。
#Claude# #AI科研# #Anthropic# #天文#