Umělá inteligence je školená k lovu za mimozemským životem

Od zamrzlých oceánských měsíců po planety s jednou stranou ve věčné noci existuje nepřeberné množství divných světů v Goldilocksově zóně — oblastech, kde by teoreticky mohly vzniknout mimozemšťané. Hledání života ve vesmíru již dlouho fascinuje lidskou představivost. Nyní, s trochou pomoci počítačů, mají vědci lepší šanci najít signál v hluku než kdykoli předtím.

Technosignály a biosignály

Hledání života ve vesmíru má dvě formy. Na jedné straně je to hledání jakékoli živé věci, dokonce i bakterií nebo hub, které se vyvinuly na jiné planetě. Pouhá přítomnost mimozemských plísní by měla hluboké důsledky pro lidskou psychiku, rozbití představ o životě, jak jej známe.

Biosignály jsou důkazy o jakékoli minulé nebo současné životě, inteligentní nebo bezmozeké. Není omezený pouze na stopy a kosti. Chemikálie, biofilmy, atmosférické plyny a dokonce i reflektivní vlastnosti viditelné z dálky by mohly naznačovat přítomnost života.

Ale někteří vědci hledají více než amoebas. Hledání mimozemské inteligence (SETI) nadšenci po celém světě poslouchají pozorně technosignály, signály pokročilých civilizací. Tyto specifické biosignály by mohly zahrnovat rádiové vlny, které by mohly být detekovány rádiovými dalekohledy — poslouchajícími, spíše než hledajícími, do vesmíru.

Umělá inteligence se připojuje k týmu

Do roku 2023 výzkumníci nenalezli žádné důkazy o technosignálech, ale to neznamená, že se o to nepokoušejí. Nové pokroky v oblasti strojového učení daly poli SETI novou energii.

Fei-Fei Li ze Stanfordu vydala v roce 2009 zdarma Imagenet, databázi více než 14 milionů označených obrázků. Mnozí výzkumníci ji použili k vývoji svých vlastních modelů strojového učení. Od té doby umožnila umělá inteligence (AI) velké pokroky ve všech oblastech, od medicíny po programování.

Umělá inteligence vyniká při zpracování obrovských množství dat. Vědci目前 používají metody vzdáleného průzkumu při hledání života ve vesmíru, což znamená, že shromažďují informace — spíše než fyzické vzorky, jako jsou kameny — z jiných měsíců a planet. To také znamená, že někdo musí procházet všemi těmito daty.

Jako hledání zlata na Mount Everestu by tato úloha byla prakticky práce herkulovského úsilí, kdyby se prováděla ručně. To prostě není praktické. Naštěstí může software AI hledat signály, o kterých vědci myslí, že by mohly být technosignály. Modely strojového učení mohou analyzovat minulé signály a předpovídat, jak by měly vypadat v budoucnu, aby detekovaly abnormality, které by mohly pocházet z mimozemských světů.

Inženýři trénují algoritmy na velkých datech, aby AI mohlo rozpoznat zvuk zemského rušení, jako jsou rádiové vlny pocházející z naší vlastní planety. To pomáhá softwaru filtrovat falešné poplachy. S pomocí analýzy dat katalogizovala NASA více než 5 400 planet, z nichž některé by mohly být obyvatelné.

Reálné aplikace

V únoru 2023 astronomové z University of California, Los Angeles (UCLA) spustili projekt občanské vědy nazvaný Breakthrough Listen, který umožňuje členům veřejnosti prohlížet obrázky rádiových signálů. Dobrovolníci pomáhají klasifikovat obrázky jako potenciální formy rušení, aby pomohli trénovat algoritmus AI procházející data SETI z Green Bank Observatory, West Virginia.

Green Bank je proslulý tím, že jeho obyvatelé nesmí používat elektronická zařízení. Jelikož rádiový dalekohled observatoře potřebuje — nohy, radiové ticho, obyvatelé v oblasti nemohou používat Wi-Fi, mikrovlnné trouby nebo mobilní telefony, mezi jinými věcmi. Export jeho dat do projektu UCLA AI umožňuje Green Bank využít plně crowdsourcing při hledání života ve vesmíru.

Výzkumníci z Institutu SETI v Kalifornii zmapovali mikroby žijící v solných kupolách, krystalech a kamenech v Salar de Pajonales. Tato slaná rovina, která se táhne od Chile do pouště Atacama a Altiplana, by mohla být dobrým analogem pro planety, které vypadají jako poušť, ale jsou ve skutečnosti plné života.

Skupina spolupracovala s výzkumníkem Freddiem Kalaitzisem, aby trénovala model AI, který hledá vzorce spojené se životem v poušti. Kombinací strojového učení a statistické ekologie výzkumníci zjistili, že mohou detekovat většinu biosignálů přítomných v prostředí. Také zjistili, že většina mikrobů se koncentruje v oblastech s více dostupnou vodou.

Uvnitř dronu nebo satelitu by tento typ nástroje AI mohl detekovat biosignály na jiných planetách. Tým plánuje mapovat suché údolí, půdu pokrytou permafrostem a horké prameny na jiných místech, aby dále trénoval model strojového učení, aby byl připraven na budoucí vesmírnou misi.

Další praktické použití AI je organizovat data do žebříčků. Vědci používají strojové učení k žebříčkování hvězd, které by mohly mít slibné měsíce nebo planety ve své oběžné dráze. Tyto údaje budou použity k provedení projektu SETI pomocí největšího jediného rádiového dalekohledu na světě, čínského rádiového dalekohledu FAST.

Umělá inteligence a hledání života ve vesmíru

Pro některé skeptiky je výzkum SETI ztrátou času, protože dosud nezjistil žádné důkazy o mimozemském životě. Ale shromažďování obrovských množství dat inspirovalo další obory, aby následovaly jeho stopám.

Aspoň na minimum má SETI pokročilé pole strojového učení a inspirovalo nesčetné lidi, aby se dívali za hranice naší planety za známkami života. Aspoň na maximum najde něco skutečně pozoruhodného — a mohlo by navždy změnit průběh dějin. Pokud někdo nebo něco je tam venku, existuje velká šance, že výzkumníci SETI budou první, kdo uslyší od nich.