Kunstig intelligens blir trent til å jakte på utenomjordisk liv

Fra frosne havmåner til planeter med en side i evig natt, finnes det talløse merkelige verdener i Goldilocks-sonen — områder hvor utenomjordiske vesener kunne, teoretisk, utvikle seg. Søket etter liv i verdensrommet har lenge fanget den menneskelige forestillingsevnen. Nå, med en litt hjelp fra datamaskiner, har vitenskapsmenn en bedre sjanse enn noensinne til å finne et signal i støyen. 

Teknologiske signaturer og biologiske signaturer

Søket etter liv i verdensrommet tar to former. På den ene side er det jakten på å finne noe som helst levende, selv bakterier eller sopp, som har utviklet seg på en annen planet. Bare nærværet av utenomjordisk meldøsskoger ville ha dyptgående konsekvenser for den menneskelige psyken, og ville sprengte forestillingen om liv som vi kjenner det.

Biologiske signaturer er bevis for liv, enten det er nåværende eller tidligere, intelligent eller uten intelligens. De er ikke begrenset til fotavtrykk og bein. Kjemikalier, biofilmer, atmosfæriske gasser og selv refleksjonsfunksjoner sett fra lang avstand kunne indikere nærværet av liv.

Men noen vitenskapsmenn søker etter mer enn amøber. Søket etter utenomjordisk intelligens (SETI) entusiaster over hele verden lytter nøye etter teknologiske signaturer, tegn på avanserte sivilisasjoner. Disse spesifikke biologiske signaturer kunne inkludere radiobølger, som radioteleskoper — som lytter, snarere enn ser, inn i verdensrommet — kunne oppdage. 

Kunstig intelligens slutter seg til teamet

Per 2023 har forskerne funnet ingen bevis for teknologiske signaturer, men det betyr ikke at de ikke prøver. Nyvinninger i maskinlæring har gitt SETI-feltet en fornyet energi. 

Stanfords Fei-Fei Li ga ut den gratis Imagenet, en database med over 14 millioner merkte bilder, i 2009. Mange forskere brukte det til å utvikle sine egne maskinlæringsmodeller. Siden da har kunstig intelligens (AI) muliggjort store fremskritt i alt fra medisin til programmering.

AI utmerker seg når det kommer til å prosessere store mengder data. Vitenskapsmenn bruker for tiden fjernsensing-metoder i søket etter liv i verdensrommet, noe som betyr at de samler inn informasjon — snarere enn fysiske prøver, som steiner — fra andre måner og planeter. Det betyr også at noen må gå gjennom all data.

Likt gullvasking på Mount Everest ville oppgaven praktisk talt være et herkulisk arbeid når det gjøres for hånd. Det er bare ikke praktisk. Heldigvis kan AI-programvare søke etter signaler som forskerne tror kunne være teknologiske signaturer. Maskinlæringsmodeller kan analysere tidligere signaler og forutsi hva de skulle lyde som i fremtiden for å oppdage abnormaliteter som kunne komme fra utenomjordiske verdener. 

Ingeniører trener algoritmer på store datamengder så AI kan gjenkjenne lyden av jordisk interferens, som radiobølger som kommer fra vår egen planet. Det hjelper programvaren å filtrere ut falske alarmer. Med hjelp av dataanalyse har NASA katalogisert over 5 400 planeter, noen av dem kan være beboelige. 

Praktiske anvendelser

I februar 2023 startet astronomer fra University of California, Los Angeles (UCLA) et borger vitenskapsprosjekt kalt Breakthrough Listen som lar medlemmer av allmennheten se på bilder av radiosignal. Frivillige hjelper med å klassifisere bildene som potensielle former for interferens, og hjelper med å trene en AI-algoritme til å gå gjennom SETI-data fra Green Bank Observatory, West Virginia. 

Green Bank er berømt for å ikke tillate at noen innbyggere bruker elektroniske enheter. Siden observatoriets massive radioteleskop trenger, vel, radiostille, kan innbyggerne i området ikke bruke Wi-Fi, mikrobølger eller mobiltelefoner, blant annet. Å eksportere dataene til UCLA sitt AI-prosjekt lar Green Bank dra full nytte av crowdsourcing i søket etter liv i verdensrommet. 

Forskere ved SETI Institute i California kartla mikrober som lever i saltkuler, krystaller og steiner i Salar de Pajonales. Dette salte flattområdet som strekker seg over Chile sør-Atacama-ørken og Altiplano-området kan være en god analog for planeter som ser øde ut, men som faktisk er fullt av liv. 

Gruppen samarbeidet med forsker Freddie Kalaitzis for å trene en AI-modell til å søke etter mønster forbundet med liv i ørkenen. Ved å kombinere maskinlæring og statistisk økologi oppdaget forskerne at de kunne oppdage de fleste biologiske signaturer som er til stede i miljøet. De fant også at de fleste mikrober var konsentrert i områder med mer tilgjengelig vann.

Inne i en drone eller satellitt kunne denne type AI-verktøy oppdage biologiske signaturer på andre planeter. Teamet planlegger å kartlegge tørre daler, permafrost-dekket jord og varme kilder i andre lokasjoner for å trene maskinlæringsmodellen videre, så den en dag kan være klar for en romferd.

En annen praktisk anvendelse for AI er å organisere data i rangerte lister. Vitenskapsmenn bruker maskinlæring til å rangere stjerner som kan ha lovende måner eller planeter i sin bane. De vil bruke denne dataen til å utføre et SETI-prosjekt med verdens største enkelt-skåls radioteleskop, Kinas FAST-radioteleskop.

Kunstig intelligens og søket etter liv i verdensrommet

For noen skeptikere er SETI-forskning en spille av tid, siden det ennå ikke har ført til bevis for utenomjordisk liv. Men innhenting av store mengder data har inspirert andre grener av vitenskapen til å følge i dens fotspor. 

I det minste har SETI fremmet feltet maskinlæring og inspirert talløse mennesker til å se bort fra vår planet for tegn på liv. I beste fall vil det finne noe virkelig bemerkelsesverdig — og det kunne for alltid endre løpet av historien. Hvis noen eller noe er der ute, er det en god sjanse at SETI-forskere vil være de første til å høre fra dem.