ناسا تستخدم التعلم الآلي لتعزيز البحث عن الحياة على المريخ

يعمل باحثون في ناسا بجد على نظام تجريبي للذكاء الاصطناعي يهدف إلى مساعدة بعثات الاستكشاف المستقبلية في العثور على أدلة على الحياة على كواكب أخرى في نظامنا الشمسي. ستساعد خوارزميات التعلم الآلي أجهزة الاستكشاف في تحليل عينات التربة على المريخ وإرجاع البيانات الأكثر صلة إلى ناسا. ومن المقرر حاليًا أن يتم اختبار البرنامج التجريبي خلال مهمة إكسومارس التي من المقرر إطلاقها في منتصف عام 2022.

وفقًا لتقرير IEEE Spectrum، كانت القرار باستخدام التعلم الآلي والذكاء الاصطناعي لمساعدة البحث عن الحياة على الكواكب الأخرى مدفوعًا إلى حد كبير بواسطة إيريك لينيس، رئيس مختبر البيئات الكوكبية في جودارد في ناسا. كان لينيس بحاجة إلى العثور على وسائل لتحسين جوانب التحليلات الجيوكيميائية للعينات التي تم جمعها في أجزاء أخرى من نظامنا الشمسي. قرر لينيس أن التعلم الآلي يمكن أن يساعد في تحسين العديد من المهام التي يجب على المركبات الاستكشافية مثل روفر المريخ أداؤها، بما في ذلك جمع وتحليل عينات التربة على المريخ.

سيتمكن روفر إكسومارس روزاليند فرانكلين من الحفر إلى عمق مترين على الأقل في التربة المريخية. عند هذا العمق، لن يتمكن أي كائنات حية من العيش هناك من النجاة من ضوء الشمس. هذا يجعل من الممكن أن يجد الروفر بكتيريا حية. حتى لو لم يتم العثور على عينات بكتيريا حية، فمن الممكن أن يجد الحفر أدلة متحجرة على الحياة على المريخ، التي تم الحفاظ عليها من عصور سابقة عندما كان الكوكب أكثر ملاءمة للحياة. ستتم إعطاء العينات التي يجدها حفر الروفر إلى جهاز يسمى مطياف الكتلة لغرض التحليل.

الغرض من مطياف الكتلة هو دراسة توزيع الكتلة في الأيونات الموجودة في عينة معينة. يتم إنجاز هذا باستخدام ليزر على عينة التربة، مما يحرر الجزيئات في عينة التربة، ثم حساب الكتلة الذرية من الجزيئات المختلفة. هذا Process ينتج طيفًا، الذي سيحلل الباحثون لتحديد سبب أنماط النقاط التي يرونها في الطيف. هناك مشكلة مع الأطياف التي يولدها مطياف الكتلة، ومع ذلك. تنتج مركبات مختلفة مجموعة واسعة من الأطياف المختلفة. من الصعب تحليل طيف و تحديد المركبات الموجودة في العينة، ولكن خوارزميات التعلم الآلي قد تساعد.

يبحث الباحثون في معدن يسمى مونتморيلونيت. يوجد المونتморيلونيت بشكل شائع في التربة المريخية، ويتطلع الباحثون إلى فهم كيف يمكن أن يظهر المعدن نفسه في طيف الكتلة. يضيف فريق البحث عينات من المونتморيلونيت لمعرفة كيف يتغير الإخراج من مطياف الكتلة، مما يعطيهم أدلة حول كيف يبدو المعدن في طيف الكتلة. ستساعد خوارزميات الذكاء الاصطناعي الباحثين في استخراج أنماط ذات معنى من مطياف الكتلة.

كما نقلته IEEE Spectrum عن لينيس:

“قد يستغرق الأمر وقتًا طويلاً لتحليل الطيف وفهم سبب رؤية قمم عند كتل معينة في الطيف. لذلك، أي شيء يمكنك القيام به لتنبيه العلماء إلى اتجاه يقول، ‘لا تقلق، أعرف أنه ليس هذا النوع أو ذاك،’ يمكنهم تحديد ما يوجد هناك بسرعة أكبر.”

وفقًا لينيس، ستكون مهمة إكسومارس حالة اختبار ممتازة للخوارزميات الذكاء الاصطناعي المصممة لمساعدة تفسير الأطياف التي تنتجها العينات.

هناك تطبيقات أخرى محتملة للتعلم الآلي والذكاء الاصطناعي في مجال علم الأحياء الفلكي. طائرة ドラゴンフライ بدون طيار، وربما مهمة أخرى مستقبلية، ستعمل على بعد أكبر من الأرض وفي بيئات أكثر قسوة وستتطلب تحسين جوانب الملاحة وانتقال البيانات.