Sztuczna inteligencja jest szkolona do poszukiwania życia pozaziemskiego

Od zamarzniętych księżyców oceanicznych po planety z jedną stroną w wiecznej ciemności, istnieje niezliczona ilość dziwnych światów w Strefie Złotej — obszarach, w których teoretycznie mogłoby ewoluować życie pozaziemskie. Poszukiwanie życia w kosmosie od dawna fascynuje ludzką wyobraźnię. Teraz, dzięki pomocy komputerów, naukowcy mają lepszą szansę niż kiedykolwiek wcześniej na znalezienie sygnału w hałasie.

Technosygnały i biosygnały

Poszukiwanie życia w kosmosie ma dwie formy. Z jednej strony jest poszukiwanie jakiegokolwiek żywego organizmu, nawet bakterii lub grzybów, które ewoluowały na innej planecie. Samo obecność obcych szczątków pleśni miałoby głębokie konsekwencje dla ludzkiej psychiki, niszcząc pojęcie życia, jakie znamy.

Biosygnały to dowody życia w przeszłości lub teraźniejszości, inteligentnego lub bezmyślnego. Nie są one ograniczone tylko do śladów i kości. Chemikalia, biofilmy, gazy atmosferyczne i nawet cechy odbicia widoczne z daleka mogą wskazywać na obecność życia.

Ale niektórzy naukowcy szukają czegoś więcej niż ameb. Enthusiastyczni poszukiwacze pozaziemskiej inteligencji (SETI) na całym świecie słuchają uważnie sygnałów technicznych, sygnałów zaawansowanych cywilizacji. Te specyficzne biosygnały mogą obejmować fale radiowe, które radioteleskopy — słuchające, a nie patrzące, w kosmos — mogą wykryć.

Sztuczna inteligencja dołącza do zespołu

Do 2023 roku naukowcy nie znaleźli żadnych dowodów na istnienie technosygnałów, ale to nie oznacza, że nie próbują. Nowe postępy w dziedzinie machine learning dały polu SETI nowy wigor.

Fei-Fei Li z Uniwersytetu Stanforda opublikowała w 2009 roku bezpłatną bazę danych Imagenet, zawierającą ponad 14 milionów oznaczonych obrazów. Wielu naukowców wykorzystało ją do opracowania własnych modeli machine learning. Od tego czasu sztuczna inteligencja umożliwiła wielkie postępy we wszystkim, od medycyny po programowanie.

Sztuczna inteligencja wyróżnia się w przetwarzaniu ogromnych zbiorów danych. Naukowcy obecnie wykorzystują metody teledetekcji w poszukiwaniu życia w kosmosie, co oznacza, że zbierają informacje — a nie fizyczne próbki, takie jak skały — z innych księżyców i planet. Oznacza to również, że ktoś musi przeszukać wszystkie dane.

Jak przesianie złota na Mount Everest, zadanie byłoby praca herkulesowa, gdyby było wykonywane ręcznie. Po prostu nie jest to praktyczne. Na szczęście oprogramowanie sztucznej inteligencji może szukać sygnałów, które naukowcy uważają za technosygnały. Modele machine learning mogą analizować przeszłe sygnały i przewidywać, jak powinny one brzmieć w przyszłości, aby wykryć anomalie, które mogą pochodzić z obcych światów.

Inżynierowie szkolą algorytmy na dużych zbiorach danych, aby sztuczna inteligencja mogła rozpoznać dźwięk zakłóceń ziemskich, takich jak fale radiowe pochodzące z naszej własnej planety. To pomaga oprogramowaniu filtrować fałszywe alarmy. Dzięki pomocy analizy danych NASA skatalogowała ponad 5 400 planet, z których niektóre mogą być nadające się do zamieszkania.

Praktyczne zastosowania

W lutym 2023 roku astronomowie z Uniwersytetu Kalifornijskiego w Los Angeles (UCLA) rozpoczęli projekt nauki obywatelskiej o nazwie Breakthrough Listen, który pozwala członkom publiczności oglądać obrazy sygnałów radiowych. Wolontariusze pomagają klasyfikować obrazy jako potencjalne formy zakłóceń, pomagając szkolić algorytm sztucznej inteligencji do przeglądania danych SETI z Obserwatorium Green Bank w Wirginii Zachodniej.

Green Bank jest słynny z tego, że nie pozwala mieszkańcom używać urządzeń elektronicznych. Ponieważ ogromny teleskop radiowy obserwatorium potrzebuje, cóż, ciszy radiowej, mieszkańcy w okolicy nie mogą używać Wi-Fi, mikrofalówek ani telefonów komórkowych, wśród innych rzeczy. Eksportowanie danych do projektu sztucznej inteligencji UCLA pozwala Green Bank w pełni wykorzystać crowdsourcing w poszukiwaniu życia w kosmosie.

Naukowcy z Instytutu SETI w Kalifornii sporządzili mapę mikroorganizmów żyjących w solnych kopach, kryształach i skałach w Salar de Pajonales. Ta słona równina, rozciągająca się na granicy chilijskiego pustynnego obszaru Atacama i Altiplano, może być dobrym analogiem planet, które wydają się jałowe, ale w rzeczywistości są pełne życia.

Grupa współpracowała z naukowcem Freddie Kalaitzisem, aby szkolić model sztucznej inteligencji do poszukiwania wzorców związanych z życiem na pustyni. Łącząc machine learning i ekologię statystyczną, naukowcy odkryli, że mogą wykryć większość biosygnałów obecnych w środowisku. Stwierdzili również, że większość mikroorganizmów jest skoncentrowana w obszarach z większą dostępnością wody.

Wewnątrz drona lub satelity tego rodzaju narzędzie sztucznej inteligencji mogłoby wykryć biosygnały na innych planetach. Zespół planuje mapować suche doliny, podłoże pokryte wiecznymi lodami i gorące źródła w innych lokalizacjach, aby dalej szkolić model machine learning, tak aby kiedyś był gotowy do misji kosmicznej.

Innym praktycznym zastosowaniem sztucznej inteligencji jest organizowanie danych w ranked listach. Naukowcy wykorzystują machine learning do klasyfikacji gwiazd, które mogą mieć obiecujące księżyce lub planety na swoich orbitach. Będą wykorzystywać te dane do przeprowadzenia projektu SETI przy użyciu największego na świecie teleskopu radiowego, chińskiego teleskopu FAST.

Sztuczna inteligencja i poszukiwanie życia w kosmosie

Dla niektórych sceptyków badania SETI są marnowaniem czasu, ponieważ nie przyniosły jeszcze dowodów na istnienie życia pozaziemskiego. Ale zebranie ogromnych ilości danych zainspirowało inne gałęzie nauki do naśladowania ich przykładu.

Co najmniej, SETI przyczyniło się do rozwoju dziedziny machine learning i zainspirowało niezliczoną ilość ludzi do poszukiwania poza naszą planetą znaków życia. W najlepszym przypadku może odkryć coś naprawdę wyjątkowego — i może to na zawsze zmienić bieg historii. Jeśli ktoś lub coś jest tam, istnieje duże prawdopodobieństwo, że badacze SETI będą pierwszymi, którzy usłyszą od nich.