Искусственный интеллект обучается искать внеземную жизнь

От ледяных океанических спутников до планет с одной стороны, находящейся в вечной ночи, существует бесчисленное количество странных миров в зоне Гольдилокса — областях, где, теоретически, могли бы эволюционировать инопланетяне. Поиск жизни в космосе давно завладел человеческим воображением. Теперь, с небольшой помощью компьютеров, ученые имеют лучший шанс, чем когда-либо, найти сигнал в шуме.

Техносигнатуры и биосигнатуры

Поиск жизни в космосе имеет две формы. С одной стороны, это поиск любой живой вещи, даже бактерий или грибов, которые эволюционировали на другой планете. Простое присутствие инопланетной плесени окаменелостей имело бы глубокие последствия для человеческой психики, разрушая представления о жизни, как мы ее знаем.

Биосигнатуры — это доказательства любой жизни, прошлой или настоящей, разумной или бессознательной. Они не ограничиваются только следами и костями. Химические вещества, биопленки, атмосферные газы и даже отражающие особенности видимые издалека могли бы указывать на присутствие жизни.

Но некоторые ученые ищут не только амеб. Энтузиасты поиска внеземного интеллекта (SETI) по всему миру внимательно слушают техносигнатуры, знаки развитых цивилизаций. Эти специфические биосигнатуры могли бы включать радиоволны, которые радиотелескопы — слушающие, а не смотрящие, в космос — могли бы обнаружить.

Искусственный интеллект присоединяется к команде

По состоянию на 2023 год, исследователи не нашли никаких доказательств техносигнатур, но это не значит, что они не пытаются. Новые достижения в области машинного обучения дали поле SETI обновленную энергию.

Фей-Фей Ли из Стэнфорда выпустила бесплатную базу данных Imagenet, содержащую более 14 миллионов помеченных изображений, в 2009 году. Многие исследователи использовали ее для разработки своих собственных моделей машинного обучения. С тех пор искусственный интеллект (ИИ) позволил сделать большие шаги во всем, от медицины до программирования.

ИИ блестит, когда речь идет об обработке огромных массивов данных. Ученые в настоящее время используют методы дистанционного зондирования в поиске жизни в космосе, что означает, что они собирают информацию — а не физические образцы, такие как камни — с других спутников и планет. Это также означает, что кому-то придется просмотреть все данные.

Как пanning за золотом на горе Эверест, эта задача практически была бы трудом геркулесов, если бы ее выполняли вручную. Это просто не практично. К счастью, программное обеспечение ИИ может искать сигналы, которые, по мнению исследователей, могли бы быть техносигнатурами. Модели машинного обучения могут анализировать прошлые сигналы и предсказывать, как они должны звучать в будущем, чтобы обнаружить аномалии, которые могли бы исходить от инопланетных миров.

Инженеры обучают алгоритмы на больших наборах данных, чтобы ИИ мог распознавать звук земных помех, таких как радиоволны, исходящие от нашей собственной планеты. Это помогает программному обеспечению фильтровать ложные тревоги. С помощью анализа данных НАСА каталогизировала более 5 400 планет, некоторые из которых могут быть обитаемыми.

Практические применения

В феврале 2023 года астрономы из Университета Калифорнии в Лос-Анджелесе (UCLA) начали проект гражданской науки под названием Breakthrough Listen, который позволяет членам общественности просматривать изображения радиосигналов. Волонтеры помогают классифицировать изображения как потенциальные формы помех, помогая обучить алгоритм ИИ для просмотра данных SETI из обсерватории Грин-Бэнк, Западная Вирджиния.

Грин-Бэнк знаменит тем, что не позволяет никаким жителям использовать электронные устройства. Поскольку巨кий радиотелескоп обсерватории нуждается, ну, радиомолчание, жители в этом районе не могут использовать Wi-Fi, микроволновые печи или мобильные телефоны, среди прочего. Экспорт его данных в проект ИИ UCLA позволяет Грин-Бэнку полностью использовать краудсорсинг в поиске жизни в космосе.

Исследователи в Институте SETI в Калифорнии составили карту микробов, живущих в соляных куполах, кристаллах и камнях в Салар-де-Пахоналес. Эта солончаковая равнина, расположенная на границе чилийской Атакамы и плато Альтиплано, могла бы быть хорошим аналогом планет, которые выглядят как пустыня, но на самом деле кишат жизнью.

Группа сотрудничала с исследователем Фредди Калайтзисом, чтобы обучить модель ИИ искать закономерности, связанные с жизнью в пустыне. Объединив машинное обучение и статистическую экологию, исследователи обнаружили, что они могут обнаружить большинство биосигнатур, присутствующих в окружающей среде. Они также обнаружили, что большинство микробов были сконцентрированы в областях с большим количеством доступной воды.

Внутри беспилотника или спутника этот тип инструмента ИИ мог бы обнаружить биосигнатуры на других планетах. Команда планирует составить карту сухих долин, почвы, покрытой вечной мерзлотой, и горячих источников в других местах, чтобы еще больше обучить модель машинного обучения, чтобы однажды она могла быть готова для космической миссии.

Другое практическое применение ИИ — организация данных в ранжированные списки. Ученые используют машинное обучение для ранжирования звезд, которые могут иметь перспективные спутники или планеты на своих орбитах. Они будут использовать эти данные для проведения проекта SETI с помощью самого большого в мире однополосного радиотелескопа — китайского радиотелескопа FAST.

Искусственный интеллект и поиск жизни в космосе

Для некоторых скептиков исследования SETI — это пустая трата времени, поскольку они еще не дали никаких доказательств внеземной жизни. Но сбор огромных массивов данных вдохновил другие области науки следовать их примеру.

По крайней мере, SETI продвинула вперед область машинного обучения и вдохновила бесчисленное количество людей смотреть за пределы нашей планеты в поисках признаков жизни. В лучшем случае она может найти что-то действительно замечательное — и это могло бы навсегда изменить ход истории. Если кто-то или что-то есть там, есть большая вероятность, что исследователи SETI будут первыми, кто услышит от них.