NASA Akan Menggunakan Pembelajaran Mesin untuk Meningkatkan Pencarian Kehidupan Alien di Mars

Peneliti di NASA telah bekerja keras pada sistem AI pilot yang dirancang untuk membantu misi eksplorasi masa depan menemukan bukti kehidupan di planet lain di tata surya kita. Algoritma pembelajaran mesin akan membantu perangkat eksplorasi menganalisis sampel tanah di Mars dan mengembalikan data yang paling relevan ke NASA. Program pilot ini saat ini dijadwalkan untuk diuji selama misinya ExoMars yang akan diluncurkan pada pertengahan 2022.

Seperti yang dilaporkan oleh IEEE Spectrum, keputusan untuk menggunakan pembelajaran mesin dan kecerdasan buatan untuk membantu pencarian kehidupan di planet lain didorong oleh Erice Lyness, kepala Laboratorium Lingkungan Planet Goddard di NASA. Lyness perlu mencari cara untuk mengotomatisasi aspek analisis geo-kimia sampel yang diambil di bagian lain tata surya kita. Lyness memutuskan bahwa pembelajaran mesin dapat membantu mengotomatisasi banyak tugas yang harus dilakukan oleh kendaraan eksplorasi seperti rover Mars, termasuk pengumpulan dan analisis sampel tanah Mars.

Rover ExoMars Roslanind Franklin akan dapat mengebor setidaknya dua meter ke dalam tanah Mars. Pada kedalaman ini, mikroba yang hidup di sana tidak akan terbunuh oleh cahaya UV matahari. Ini membuat kemungkinan bahwa rover dapat menemukan bakteri hidup. Bahkan jika tidak ditemukan sampel bakteri hidup, mungkin drill dapat menemukan bukti fosil kehidupan di Mars, yang tersisa dari era sebelumnya ketika planet ini lebih ramah bagi kehidupan. Sampel yang ditemukan oleh drill rover akan diberikan kepada instrumen yang disebut spektrometer massa untuk dianalisis.

Tujuan spektrometer massa adalah untuk mempelajari distribusi massa dalam ion yang ditemukan dalam sampel tertentu. Ini dilakukan dengan menggunakan laser pada sampel tanah, yang melepaskan molekul dalam sampel tanah, dan kemudian menghitung massa atom dari molekul yang berbeda. Proses ini menghasilkan spektrum massa, yang akan dianalisis oleh peneliti untuk mengetahui mengapa pola puncak yang mereka lihat dalam spektrum dapat terjadi. Namun, ada masalah dengan spektrum yang dihasilkan oleh spektrometer massa. Berbagai senyawa menghasilkan berbagai spektrum yang berbeda. Ini adalah teka-teki untuk menganalisis spektrum massa dan menentukan senyawa apa yang ada dalam sampel, tetapi algoritma pembelajaran mesin mungkin dapat membantu.

Peneliti sedang mempelajari mineral yang disebut montmorillonite. Montmorillonite umumnya ditemukan dalam tanah Mars, dan peneliti berusaha untuk memahami bagaimana mineral ini dapat muncul dalam spektrum massa. Tim peneliti termasuk sampel montmorillonite untuk melihat bagaimana output spektrometer massa berubah, memberikan petunjuk tentang apa yang terlihat dalam spektrum massa. Algoritma AI akan membantu peneliti mengekstrak pola yang bermakna dari spektrometer massa.

Seperti yang dikutip oleh IEEE Spectrum:

“Dapat memakan waktu lama untuk benar-benar memecahkan spektrum dan memahami mengapa Anda melihat puncak pada massa tertentu dalam spektrum. Jadi, apa pun yang dapat Anda lakukan untuk menunjukkan ilmuwan arah yang mengatakan, ‘Jangan khawatir, saya tahu itu bukan jenis ini atau itu,’ mereka dapat lebih cepat mengidentifikasi apa yang ada di sana.”

Menurut Lyness, misi ExoMars akan menjadi kasus uji yang sangat baik untuk algoritma AI yang dirancang untuk membantu menafsirkan spektrum massa yang dihasilkan oleh sampel.

Ada aplikasi potensial lain untuk AI dan pembelajaran mesin dalam bidang astrobiologi. Drone Dragonfly, dan mungkin misi lain di masa depan, akan beroperasi lebih jauh dari Bumi dan dalam lingkungan yang lebih keras, dan akan memerlukan pengotomatisan aspek navigasi dan transmisi data.