20世纪90年代初，天文学家首次在太阳系外发现行星。此后，科学家陆续发现了3400个系外行星。如今，科学家想确认其中有没有外星生命，但仅仅是分析一个系外行星，就要花上研究人员几天甚至几个星期的时间。詹姆斯·韦伯太空望远镜计划于2018年发射，届时它将传回科学家无法处理的海量信息。由于大量数据积压，新研究将被拖慢，甚至完全无法进行。为了避免这种情况，伦敦大学学院的研究人员发明了名为RobERt的人工智能，它能扫描深空数据，从中寻找宜居行星的蛛丝马迹，而且RobERt处理数据的速度要比人类快得多。
对于附近恒星发出的光线，行星只会反射极小部分。这是由于系外行星的空气中含有多种气体，当有光线穿过时，这些气体只会让特定波长的光线通过，而其它波长的光线都将被吸收。因此科学家就能通过分析光谱来确定某个行星的空气成分，以及该行星的空气是否能维持生命——不管是外星生命还是将来可能登陆的人类。
RobERt是“系外行星自动识别技术”的缩写，它能在短短数秒内完成系外行星的光谱分析。RobERt的开发灵感来源于深度信念网络，这种神经网络的工作原理和人脑思考的方式相似——输入的数据在多层硅“神经元”之间传递时逐步过滤，在传递过程中，每一层“神经元”都能进一步处理数据，直到找到正确答案。对RobERt来说，这个过程就是通过已知光谱分析出系外行星的空气成分。
该研究的领头人是伦敦大学学院的英戈·瓦尔德曼，他表示，DBN和人脑一样，可以通过训练和犯错进行学习。为了训练RobERt，研究人员给它展示了8.5万多种模拟光谱。训练结束时，就算研究人员故意用残缺光谱和有噪声干扰的光谱来刁难它，RobERt分析空气成分的正确率仍高达99.7%。
找到新的宜居星球只是个开始，RobERt的高速数据分析能力还能帮助科学家进一步了解太阳系和其他类似行星系统的诞生过程。瓦尔德曼说：“我们对行星的形成所知甚少，目前我们只能通过大量研究类太阳系行星系统来了解这一过程。”理论上，RobERt可以称为“盒子里的天文学家”，它将成为我们的重要帮手。瓦尔德曼的研究团队可以把RobERt卖给各国航天局，让他们用经验丰富的RobERt来检查一下自己的系外行星观测数据。瓦尔德曼称：“如果运气好的话，我们说不定会找到一个小型宜居星球。不论要花多长时间，我们一定会找到它。幸运之神一定会眷顾我们的！”
