Claude Science 補出紫外線天空圖：三分之一是預測，為什麼仍值得看？
Anthropic 公布 Claude Science 協助建立完整紫外線天空圖的案例，約三分之一區域由模型預測。本文解釋公開資料整合、跨儀器校準、遮蔽驗證與人工找錯，說明 AI 如何補足教育資源，也提醒讀者把望遠鏡量測、模型推估與不確定性分開閱讀。
Claude Science 協助完成的天空圖，可以讓學生看見銀河塵埃、恆星周圍的光與爆炸留下的結構。但畫面完整，不代表每一個位置都曾被望遠鏡觀測。
Anthropic 在 2026 年 10 月 8 日公布案例：天文學家 Brice Ménard 與 Claude Science 合作，彙整資料並補出紫外線波段的全天空圖。
官方 X 貼文引起 AI 如何參與科學工作的討論。這份成果的關鍵，卻藏在圖說裡：大約三分之一的區域是預測，而不是直接量測。
依官方研究文章，地圖另外提供量測與預測標籤，以及不確定性資訊，讓使用者可以分清楚來源。
本文依研究者公開說明分析，沒有重跑天文資料或獨立驗證模型。值得關注的，是這項工作如何把分散資料變成可閱讀的教育資源，以及途中如何發現錯誤。
Claude Science 做的天空圖，先解決一個教學缺口
Ménard 是約翰霍普金斯大學天文物理學家，也是 Anthropic 研究者。他在教學時，會用不同波段的天空圖說明銀河的各種結構。
可見光讓人看見大量恆星，紅外線能顯示塵埃發出的光，電波則有助呈現形成恆星的氫氣。換一種波段，就像換一種觀察銀河的方式。
紫外線也有自己的用途，可以呈現被星光照亮的塵埃，以及年輕恆星周圍與恆星爆炸相關的結構。問題是原有地圖有許多空白。
這次的圖像結合遠紫外線與近紫外線資料，對應約 154 與 232 奈米。數字表示波長，不能把這張圖當成肉眼在夜空中直接看到的顏色。
研究者希望補齊這份教材，讓學生能把紫外線圖和其他波段並排觀察。這是公開案例的主要用途，不等於宣布發現某個全新的天體。
對一般讀者，這個起點也很容易理解：有些資料明明存在，卻因整理與校準耗時，一直沒有變成真正方便使用的資源。
AI 在這裡的價值，不只產生一張漂亮圖片，而是協助處理原本被擱置的整理工作。成果是否可靠，仍要看它如何使用資料與交代缺口。
天空缺了三分之一，不是少下載幾個檔案
紫外線會被地球大氣中的臭氧吸收，天文觀測因此需要在太空進行。歷來任務蒐集了大量資料，但覆蓋範圍與儀器條件各不相同。
最大的資料來源是 NASA 的 GALEX 任務。依官方說明，它在 2003 至 2013 年間留下約 3.8 萬次觀測，涵蓋約三分之二的天空。
GALEX 刻意避開某些非常明亮的恆星區域，以免傷害偵測器。銀河平面有密集恆星，因此也是部分缺口所在，不能把空白理解成那裡沒有光。
Swift 與 FIMS/SPEAR 等任務提供了其他資料，但全部合在一起，仍有未曾直接觀測的區域。補完整張圖，需要面對真正缺少量測的地方。
這也說明「資料公開」和「資料可直接合用」之間的距離。不同年份、條件與儀器取得的影像，不會因為都能下載，就自然具有相同尺度。
如果先忽略這些差異，只把圖片接在一起，畫面可能出現亮暗接縫。讀者看見的結構，也可能只是資料處理留下的痕跡。
因此，整合的第一步不是急著填空白，而是先讓已經存在的資料彼此可比較。只有這個基礎成立，後面的推估才有合適的依據。
代理先做校準，再把不同觀測放到同一張圖
研究者請 AI 協調多個代理，搜尋公開紫外線巡天資料並下載。接著，代理需要處理每份資料內部的一致性，讓不同時期的影像可以比較。
明亮恆星周圍的眩光是其中一個問題。就像路燈會影響照片，亮星也可能污染周邊較微弱的訊號，必須先處理才能看清背景。
不同望遠鏡之間也要交叉校準，並整理成相同解析度與座標系統。這相當於先統一尺規與位置，再決定不同資料如何合併。
官方說明中，研究者提供高層次方法指導，代理分工執行。這不是研究者完全退出，而是把耗時的運算工作交給系統持續處理。
這些步驟看起來沒有生成圖片那麼吸睛，卻直接影響地圖能否用來理解天空。錯誤的尺度或位置，會讓正確資料也產生錯誤比較。
對其他知識工作，這個案例提供一個可借鏡的順序：先辨認來源、統一可比較條件，再分析差異。本文並未把它視為任何領域都能照搬的完整方法。
預測補全利用其他波段，不是憑空創作銀河
最困難的部分，是處理沒有紫外線資料的約三分之一天空。研究者使用影像補全方法，通常稱為 inpainting，估計空白位置可能的樣子。
這項方法不是只依賴缺口周圍的顏色。這些位置雖然缺少紫外線量測，仍可能具有可見光、紅外線與電波等其他波段的觀測。
系統先從已有紫外線資料的區域，學習不同波段與紫外線亮度的關係，再把這種關係用於空白區域，並估計預測的不確定性。
最後，地圖還加入超過一億顆個別恆星的紫外線光量估計。這部分依據 ESA Gaia 衛星的可見光量測推導，也不是新增的直接紫外線觀測。
因此，完成圖像同時包含不同性質的資料。看起來相鄰的兩個位置，一個可能來自望遠鏡量測，另一個可能來自模型推估。
標籤與不確定性圖層，正是讓使用者理解這種差異的工具。它們應跟著成果一起存在，不能只留下最漂亮的一張圖片。
研究使用者若要對某個區域進一步下結論，還需要回到對應來源與方法。教育上的完整視野，不能自動升級成每個位置都有相同證據。
約百分之十的驗證差距，適用哪一種比較？
為了檢查預測，研究者故意藏起部分已經有紫外線量測的區域。模型在看不到真實數值的條件下補圖，再把預測和原始量測比較。
這種做法讓空白區域也有可回頭檢查的答案。官方說，經過多輪調整，預測能做到與被藏起的實測資料相差約百分之十。
但這個數字屬於所述驗證流程，不能直接改寫成「整張圖準確率九成」。誤差幅度與分類準確率不同，未觀測區域也沒有直接答案可比。
同樣不能推定所有缺口都具有相同誤差。模型學到的關係能否適用某個特殊區域，仍要看資料條件與不確定性，而不是只引用一個誤差數字。
| 圖中的資訊 | 能幫助讀者理解什麼 | 不能直接推定什麼 |
|---|---|---|
| 望遠鏡量測 | 已觀測位置的紫外線資料 | 完全沒有儀器或處理誤差 |
| 模型預測 | 未觀測區域的合理估計 | 望遠鏡已實際看過該位置 |
| 遮蔽驗證 | 已知區域被藏起後的補全表現 | 所有未知區域都一樣準確 |
| 不確定性圖層 | 哪些估計需要更謹慎解讀 | 已經排除所有未知偏差 |
對讀者，最有用的問題因此是：這個數字比較了什麼、在哪些資料上得到，以及能支持哪個範圍的判斷。先看比較方式，再看醒目的成績。
兩輪代理審查漏掉殘影，最後由人找出來
官方文章也公開了一次失誤。研究者查看處理後影像時，看見微弱的圓形亮暗差異，像是一塊塊觀測範圍的足跡留在圖上。
原因是 GALEX 每次拍攝圓形區域時，都受到些微且不均勻的大氣紫外線輝光影響。這些背景沒有完全移除，便留下了拼接痕跡。
系統在專案初期曾列出這個已知問題，但地圖仍通過另外兩輪代理審查，沒有被指出。知道可能出錯，不代表檢查時一定能發現。
研究者把肉眼看見的問題告訴 AI，代理才追查殘留背景，並重新校正全部約 3.8 萬次觀測。官方說，數小時處理後，圓形痕跡消失。
這段經過比「AI 做出完整地圖」更能幫助理解工作分工。代理能大量運算與修改，人仍要提出問題，辨認結果是否符合領域知識。
它也提醒團隊，多次 AI 檢查不一定是多份獨立證據。如果檢查者共享相似盲點，重複通過也可能保留同一個錯誤。
驗收因此要有不同角度：來源核對、方法檢查、結果觀察與領域判斷。多增加一輪自我評價，未必比換一種檢查方法更有效。
十多個版本之後，成果才變成可用的教育資源
研究者與系統在數日合作中產生十多個版本。常見節奏是先討論下一步，再讓代理獨立執行數小時運算，研究者則處理其他工作。
這種安排確實降低了部分持續盯著流程的負擔，但成果仍經過計畫、處理、檢查與修正。不能把最初的簡短指令，當成全部工作內容。
最後的地圖呈現年輕恆星周圍的塵埃、巨型環狀結構與較微弱的絲狀分布，也包含大小麥哲倫雲等鄰近星系的紫外線特徵。
研究者認為，這份資源能加入不同波段的教學地圖，幫助學生理解銀河中的物理過程。這是公開案例提出的教育價值，本文沒有另做教學成效測試。
讀者可以查看公開互動地圖，並優先找出量測、預測與不確定性層。完整影像與證據標籤一起閱讀，才比較接近研究者的原意。
若要分享這張圖，也應保留約三分之一由預測補全的說明。圖片離開原文後，最容易流失的，往往正是讓讀者判斷它能證明什麼的條件。
一般團隊可以借鏡什麼：先做出能回查的成果
這個案例對一般工作者的啟發，是讓 AI 協助整理分散資料時，也把來源與判斷留下來。文件完成，和接手者能檢查，是兩件相關但不同的事。
例如，整理研究摘要時，可以分清楚原文觀察、作者推論與自己的評估。不能因為它們最後出現在同一份報告，就讓讀者以為全部都是直接證據。
這是工作方法的示例，並非本篇證明某套筆記工具能完成天文研究。工具選擇仍取決於資料類型、工作分工與後續需要的查證方式。
若想練習把資料與 AI 整理流程接起來，可延伸閱讀 Obsidian × Claude × MCP 知識工作課程。課程重點是知識流程，不是這次紫外線模型的重現教學。
FAQ：Claude Science 完整天空圖等於完整觀測嗎？
這張圖有多少區域來自預測？
官方說約三分之一，包括銀河平面的不少區域。地圖另提供量測與預測標籤，讀者不應只依完整畫面判定每個位置都有直接觀測。
百分之十差距等於整張圖九成準確嗎？
不等於。它是藏起已有量測區域後，預測與真實量測的差距描述，不能轉成所有未觀測區域的統一準確率。
AI 是否完全自主完成研究？
研究者提供方法指導、安排驗證，也親自發現代理審查漏掉的殘影。這份案例展示人與代理合作，並未證明領域判斷已經可以省略。
這張圖最適合拿來做什麼？
公開文章強調教學與理解不同波段的天空。若要用於更具體的研究結論，應檢查資料來源、預測區域與不確定性，不能把補全影像直接當成新增量測。
