Kunstig intelligens trænes til at jagte efter liv i rummet

Fra frysende ocean-måner til planeter med en side i permanent nat, er der utallige underlige verdener i Goldilocks-zonen — områder, hvor aliens kunne, teoretisk, udvikle sig. Søgen efter liv i rummet har længe faszineret den menneskelige forestilling. Nu, med lidt hjælp fra computere, har videnskabsmændene en bedre chance end nogensinde før for at finde et signal i støjen. 

Technosignaturer og biosignaturer

Søgen efter liv i rummet tager to former. På den ene side er der jagten på at finde noget levende, selv bakterier eller svampe, der er udviklet på en anden planet. Bare nærværet af aliensk møgel-fossiler ville have dybtgående konsekvenser for den menneskelige psyke, og ville ødelægge vores forestillinger om liv, som vi kender det.

Biosignaturer er bevis for noget liv, enten i fortiden eller nutiden, intelligent eller hjernløst. De er ikke begrænset til fodaftryk og knogler. Kemikalier, biofilm, atmosfæriske gasser og endda refleksionsfunktioner set fra lang afstand kunne indikere nærværet af liv.

Men nogle videnskabsmænd søger efter mere end amoebas. Søgen efter ekstraterrestrik intelligens (SETI) entusiaster verden over lytter nøje efter technosignaturer, tegn på avancerede civilisationer. Disse specifikke biosignaturer kunne inkludere radiobølger, som radioteleskoper — der lytter, snarere end kigger, ud i rummet — kunne detektere. 

Kunstig intelligens slutter sig til holdet

Pr. 2023 har forskerne ikke fundet nogen bevis for technosignaturer, men det betyder ikke, at de ikke prøver. Nye fremskridt i maskinlæring har givet SETI-feltet en fornyet energi. 

Stanfords Fei-Fei Li udgav den gratis Imagenet, en database med over 14 millioner mærkede billeder, i 2009. Mange forskere brugte det til at udvikle deres egne maskinlæringsmodeller. Siden da har kunstig intelligens (AI) muliggjort store fremskridt i alt fra medicin til programmering.

AI udmærker sig, når det kommer til at behandle enorme mængder af data. Videnskabsmænd bruger i øjeblikket fjernsensing-metoder i søgen efter liv i rummet, hvilket betyder, at de indsamler information — snarere end fysiske prøver, som sten — fra andre måner og planeter. Det betyder også, at nogen skal gennemgå alle data.

Ligesom at pante efter guld på Mount Everest ville opgaven praktisk talt være et arbejde af herkulisk anstrengelse, hvis den udføres manuelt. Det er bare ikke praktisk. Heldigvis kan AI-software søge efter signaler, som forskere tror kunne være technosignaturer. Maskinlæringsmodeller kan analysere tidligere signaler og forudsige, hvordan de skal lyde i fremtiden for at detektere abnormaliteter, der kunne komme fra aliensverden. 

Ingeniører træner algoritmer på store datasæt, så AI kan genkende lyden af jordisk interferens, såsom radiobølger, der kommer fra vores egen planet. Det hjælper softwaren med at filtrere falske alarmer. Med hjælp fra dataanalyse har NASA katalogiseret over 5.400 planeter, hvoraf nogle kan være beboelige. 

Virkelige anvendelser

I februar 2023 startede astronomer fra University of California, Los Angeles (UCLA) et borgervidenskabsprojekt kaldet Breakthrough Listen, der låter medlemmer af offentligheden se på billeder af radiosignaler. Frivillige hjælper med at klassificere billederne som potentielle former for interferens, hvilket hjælper med at træne en AI-algoritme til at gennemgå SETI-data fra Green Bank Observatory, West Virginia. 

Green Bank er berømt for ikke at tillade nogen beboere at bruge elektroniske enheder. Da observatoriets massive radioteleskop behøver, ja, radiotavshed, kan beboere i området ikke bruge Wi-Fi, mikrobølger eller mobiltelefoner, blandt andet. At eksportere data til UCLA’s AI-projekt giver Green Bank mulighed for at udnytte crowdsourcing i søgen efter liv i rummet. 

Forskere ved SETI-instituttet i California kortlagde mikroberne, der lever i saltkuppel, krystaller og sten i Salar de Pajonales. Denne saltsorte flade, der strækker sig over Chile’s Atacama-ørken og Altiplano-område, kunne være en god analog for planeter, der ser øde ud, men i virkeligheden er fulde af liv. 

Gruppen samarbejdede med forskeren Freddie Kalaitzis for at træne en AI-model til at søge efter mønstre forbundet med liv i ørkenen. Ved at kombinere maskinlæring og statistisk økologi opdagede forskerne, at de kunne detektere de fleste biosignaturer, der er til stede i miljøet. De fandt også ud af, at de fleste mikrober var koncentreret i områder med mere tilgængeligt vand.

Inde i en drone eller satellit kunne denne type AI-værktøj muligvis detektere biosignaturer på andre planeter. Holdet planlægger at kortlægge tørre dale, permafrostdækket jord og varme kilder i andre lokaliteter for at træne maskinlæringsmodellen yderligere, så den en dag måske kan være klar til en rummission.

En anden praktisk anvendelse af AI er at organisere data i rangerede lister. Videnskabsmænd bruger maskinlæring til at rangere stjerner, der måske har lovende måner eller planeter i deres kredsløb. De vil bruge disse data til at udføre et SETI-projekt med verdens største enkelt-skåls radioteleskop, Kinas FAST-radioteleskop.

Kunstig intelligens og søgen efter liv i rummet

For nogle skeptikere er SETI-forskning en spild af tid, da den endnu ikke har afsløret bevis for ekstraterrestrik liv. Men indsamlingen af enorme mængder af data har inspireret andre grene af videnskaben til at følge i dens fodspor. 

I det mindste har SETI-forskningen fremmet feltet for maskinlæring og inspireret utallige mennesker til at se ud over vores planet for tegn på liv. I bedste fald vil den finde noget virkelig bemærkelsesværdigt — og det kunne for altid ændre historiens forløb. Hvis der er nogen eller noget derude, er der en god chance for, at SETI-forskere vil være de første til at høre fra dem.