这颗行星的创造要归功于谷歌的人工智能技能，一样平常来说，天体物理学家探求系生手星的紧张路子是通过人工或软件对大量产生于开普勒望远镜的数据进行剖析。
但是，在面对海量的数据时，传统的方法必须做出改变，开普勒望远镜在过去四年里不雅观察了约20万颗恒星，它每30分钟就会拍摄一张照片，共产生约140亿个数据点，这些数据点可以转化为约2万亿个可能的行星轨道。
NASA知道这个体量的数据不能用传统方法来剖析，于是谷歌带着神经网络算法出场了。

机器是如何通过数据演习找到系生手星的呢？当一颗行星绕恒星公转时，会挡住恒星一些光芒，开普勒望远镜不雅观测20万颗恒星的亮度正是基于此事理，它记录的数据便是因行星运转而产生的特色旗子暗记。
现在的问题便是教司帐算机识别并理解这些旗子暗记的意义，为此，谷歌的AI工程师和天体物理学家利用了超过一万五千个标记的开普勒旗子暗记数据集，利用深度学习工具TensorFlow创建了一个模型来区分行星与非行星。

在测试时，该系统能对哪些旗子暗记是行星，哪些旗子暗记不是行星做出准确识别，精确率高达 96％，并终极创造了两颗新的行星：开普勒90i和开普勒80g。
个中，开普勒80g是另一个恒星系统Kepler-80的第六颗行星。
NASA天体物理学部门主任Paul Hertz表示，他对这项创造并不虞外，由于他们知道开普勒望远镜的数据中肯定隐蔽着惊人的创造，只是须要等待精确的工具或技能去创造它们。

截至目前，人类已经确认了超过 3500 个系生手星，个中有超过2500个行星是在参照开普勒望远镜数据的情形下创造的，这些行星的大小在地球和木星之间，个中超过30颗被确认为是类似地球大小的宜居带候选行星。

哈佛大学史密斯天体物理研究中央的研究员Andrew Vanderburg表示，如果开普勒望远镜没有创造新的行星，他反而会感到惊异，开普勒90星系就像我们太阳系的迷你版本，里面有小行星，外围有大行星。

人类利用AI技能创造Kepler-90i只是一个开始，由于研究职员只利用神经网络模型搜索了20万颗恒星中的670颗，开普勒望远镜数据中肯定还有许多系生手星尚未被创造，相信在AI技能的帮助下，宇宙的秘密将进一步被揭开。