인공지능이 외계 생명체를 사냥하기 위해 훈련되고 있다

얼음으로 뒤덮인 바다 달에서 永續한 밤에 있는 행성까지, 금발의 지역 — 외계인이 이론적으로 진화할 수 있는 지역에 있는 이상한 세계는 бес수 있다. 우주에서 생명을 찾는 것은 오랫동안 인간의 상상력을 사로잡았다. 이제 컴퓨터의 도움으로 과학자들은 더 이상의 신호를 찾을 수 있는 기회가 있다.

테크노 서명과 바이오 서명

우주에서 생명을 찾는 것은 두 가지 형태를 취한다. 한편으로는 다른 행성에서 진화한 모든 생명체, 심지어 박테리아나 곰팡이,를 찾는 것이다. 외계인 미생물 화석의 단순한 존재는 인간의 심리에 대한深刻한 결과를 가져올 것이며, 우리가 알고 있는 생명의 개념을粉砕할 것이다.

바이오 서명은 과거 또는 현재, 지능형 또는 무뇌적인 모든 생명의 증거이다. 그것들은 발자국과 뼈에만 국한되지 않는다. 화학물질, 생물막, 대기 가스, 심지어遠處에서 볼 수 있는 반사 특성 遠處에서 볼 수 있는 반사 특성은 생명의 존재를 나타낼 수 있다.

그러나 일부 과학자들은 아메바 이상의 것을 찾고 있다. 외계 지능 (SETI)을 찾는 세계의 열광적인 사람들은 기술 서명을 찾고 있다. 이러한 특정 바이오 서명에는 라디오 波가 포함될 수 있으며, 라디오 망원경 — 우주를 들음보다는 보는 것 — 으로 감지할 수 있다.

인공지능이 팀에 합류한다

2023년 현재, 연구자들은 기술 서명의 증거를 발견하지 못했지만, 그것이 없다는 것을 의미하지는 않는다. 기계 학습의 새로운 발전은 SETI 분야에 새로운 활력을 불어넣었다.

스탠퍼드의 Fei-Fei Li는 2009년에 1,400만 개의 레이블이 붙은 이미지로 구성된 무료 이미지넷 데이터베이스를 출시했다. 많은 연구자들이 이를 사용하여 자신의 기계 학습 모델을 개발했다. 이후 인공지능 (AI)은 의학에서 프로그래밍까지 모든 분야에서 큰 발전을 이루었다.

인공지능은 방대한 양의 데이터를 처리할 때 빛을 발한다. 과학자들은 현재 우주에서 생명을 찾기 위해 원격 감지 방법을 사용하고 있다. 즉, 다른 달이나 행성에서 정보 — 물리적 샘플이 아닌, 바위와 같은 것 — 를 수집하는 것이다. 또한 누군가가 모든 데이터를 거르어야 한다.

에베레스트 산에서 금을 캐는 것과 같은 작업은 사람이 수동으로 수행하는 경우 거의 불가능하다.幸い, 인공지능 소프트웨어는 연구자들이 기술 서명이라고 생각하는 신호를 찾을 수 있다. 기계 학습 모델은 과거의 신호를 분석하고 미래에 어떤 신호가 들릴지 예측하여 외계 세계에서 오는 이상한 신호를 감지할 수 있다.

엔지니어들은 알고리즘을大量의 데이터셋으로 훈련시켜 인공지능이 지구의 간섭, 즉 우리 자신의 행성에서 오는 라디오 波의 소리를 인식할 수 있도록 한다. 이것은 소프트웨어가 거짓 경보를 필터링하는 데 도움이 된다. 데이터 분석의 도움으로 NASA는 5,400개 이상의 행성을 카탈로그화했으며, 일부는 거주할 수 있을 것이다.

실제 적용

2023년 2월, 캘리포니아 대학교 로스앤젤레스 (UCLA)의 천문학자들은 시민 과학 프로젝트인 브레이크스루 리스닝 (Breakthrough Listen)을 시작했다. 이 프로젝트는 공공이 라디오 신호의 이미지를 볼 수 있도록 한다. 자원봉사자들은 잠재적인 간섭 형태로 이미지를 분류하여 웨스트 버지니아의 그린 뱅크 천문대에서 SETI 데이터를 분석하는 인공지능 알고리즘을 훈련하는 데 도움이 된다.

그린 뱅크는 거주자가 전자 장치를 사용하지 못하게 하는 것으로 유명하다. 천문대의 거대한 라디오 망원경이 라디오 침묵을 필요로 하기 때문에, 지역 주민들은 와이파이, 전자레인지, 휴대폰 등을 사용할 수 없다. 데이터를 UCLA의 인공지능 프로젝트로 내보내면 그린 뱅크는 우주에서 생명을 찾는 데 크라우드소싱을 최대한 활용할 수 있다.

SETI 연구소의 연구자들은 칠레의 아타카마 사막과 알티플라노 지역에 걸쳐있는 살라르 데 파호날레스 (Salar de Pajonales)의 염도, 결晶, 바위에 사는 미생물들을 매핑했다. 이 짙은 평원은 외계 행성의 좋은 아날로그가 될 수 있다.

그룹은 연구자 프리디 칼라이치스 (Freddie Kalaitzis)와 협력하여 생명과 관련된 패턴을 찾는 인공지능 모델을 훈련시켰다. 기계 학습과 통계 생태학을 결합하여 연구자들은 환경에 존재하는 대부분의 바이오 서명을 감지할 수 있다는 것을 발견했다. 또한 대부분의 미생물이 더 많은 물이 있는 지역에 집중되어 있다는 것을 발견했다.

드론이나 인공위성 안에 있는 이러한 유형의 인공지능 도구는 다른 행성에서 바이오 서명을 감지할 수 있다. 팀은 더 나은 훈련을 위해 다른 지역의 건조한 계곡, 영구동토, 온천을 매핑할 계획이며, 언젠가 우주 임무에 준비가 될 수 있다.

인공지능의 또 다른 실제 사용은 데이터를 순위 목록으로 구성하는 것이다. 과학자들은 기계 학습을 사용하여 행성의 궤도에 있는 달이나 행성이 있는恒星를 순위 매기고 있다. 이 데이터를 사용하여 세계에서 가장 큰 단일 접시 라디오 망원경인 중국의 FAST 라디오 망원경을 사용하여 SETI 프로젝트를 수행할 계획이다.

인공지능과 우주에서 생명 찾기

일부 비판자들에게는 SETI 연구는 외계 생명체의 증거를 아직 발견하지 못했기 때문에 시간의 낭비이다. 그러나大量의 데이터 수집은 다른 과학 분야가 그들의 발자취를 따라가도록 영감을 주었다.

최소한으로, SETI는 기계 학습 분야를 발전시키고, 수많은 사람들에게 행성을 넘어 생명의 신호를 찾도록 영감을 주었다. 최선의 경우, 그것은真正로 놀라운 것을 발견할 것이며, 그것은 역사적인 과정의 경로를永遠히 변경할 수 있다. 만약 누군가 또는 무엇인가가 거기에 있다면, SETI 연구자들이 그것을 듣는 최초의 사람이 될 가능성이 있다.