AI Tränas för Att Jaga Efter Aliens Liv

Från frusna oceanmånar till planeter med en sida i evig natt, finns det otaliga konstiga världar i Goldilocks-zonen — områden där aliens teoretiskt sett kunde utvecklas. Sökandet efter liv i rymden har länge fascinerat den mänskliga fantasin. Nu, med lite hjälp från datorer, har forskare en bättre chans än någonsin att hitta ett signal i bruset.

Tekniska Signaturer och Biosignaturer

Sökandet efter liv i rymden tar två former. Å ena sidan är jakten på att hitta något levande, även bakterier eller svamp, som utvecklats på en annan planet. Bara närvaron av främmande mögelfossiler skulle ha djupgående konsekvenser för den mänskliga psyken, och skulle krossa föreställningar om liv som vi känner det.

Biosignaturer är bevis för liv, antingen förflutet eller nuvarande, intelligent eller hjärnlös. De är inte bara begränsade till fotspår och ben. Kemikalier, biofilmer, atmosfäriska gaser och till och med reflektionsfunktioner som ses på långt avstånd kunde indikera närvaron av liv.

Men vissa forskare letar efter mer än amoebor. Sökandet efter utomjordisk intelligens (SETI) entusiaster över hela världen lyssnar noga efter tekniska signaturer, tecken på avancerade civilisationer. Dessa specifika biosignaturer kunde innehålla radiovågor, som radioteleskop — som lyssnar, snarare än tittar, ut i rymden — kunde upptäcka.

AI Går Med I Laget

Från och med 2023, har forskare inte funnit några bevis för tekniska signaturer, men det betyder inte att de inte försöker. Nya framsteg inom maskinlärning har gett SETI-fältet en förnyad energi.

Stanfords Fei-Fei Li släppte den fria Imagenet, en databas med över 14 miljoner märkta bilder, 2009. Många forskare använde den för att utveckla sina egna maskinlärningsmodeller. Sedan dess har artificiell intelligens (AI) möjliggjort stora framsteg inom allt från medicin till programmering.

AI lyser när det gäller att bearbeta stora mängder data. Forskare använder för närvarande fjärranalysmetoder i sökandet efter liv i rymden, vilket innebär att de samlar in information — snarare än fysiska prover, som stenar — från andra månar och planeter. Det innebär också att någon måste gå igenom all data.

Liksom att pannan efter guld på Mount Everest, skulle uppgiften praktiskt taget vara ett herculeanskt arbete när det görs för hand. Det är helt enkelt inte praktiskt. Tack och lov kan AI-programvara leta efter signaler som forskare tror kunde vara tekniska signaturer. Maskinlärningsmodeller kan analysera tidigare signaler och förutsäga hur de borde låta i framtiden för att upptäcka avvikelser som kan komma från främmande världar.

Ingenjörer tränar algoritmer på stora datamängder så att AI kan känna igen ljudet av jordiskt störningar, som radiovågor som kommer från vår egen planet. Det hjälper programvaran att filtrera bort falska larm. Med hjälp av dataanalys har NASA katalogiserat över 5 400 planeter, vissa av dem kan vara beboeliga.

Verkliga Tillämpningar

I februari 2023, började astronomer från University of California, Los Angeles (UCLA) ett medborgarvetenskapsprojekt som heter Breakthrough Listen, som låter allmänheten titta på bilder av radiosignaler. Frivilliga hjälper till att klassificera bilderna som potentiella former av störningar, vilket hjälper till att träna en AI-algoritm för att gå igenom SETI-data från Green Bank Observatory, West Virginia.

Green Bank är berömt för att inte tillåta några invånare att använda elektroniska enheter. Eftersom observatoriets enorma radioteleskop behöver, ja, radiosilentium, kan invånare i området inte använda Wi-Fi, mikrovågsugn eller mobiltelefoner, bland annat. Att exportera dess data till UCLA:s AI-projekt låter Green Bank ta full nytta av crowdsourcing i sökandet efter liv i rymden.

Forskare vid SETI-institutet i Kalifornien kartlade mikrober som lever i saltkristaller och stenar i Salar de Pajonales. Denna saltflata som sträcker sig över Chiles Atacama-öknen och Altiplano-området kan vara en bra analog för planeter som ser öde ut men faktiskt är fulla av liv.

Gruppen samarbetade med forskaren Freddie Kalaitzis för att träna en AI-modell för att leta efter mönster som är associerade med liv i öknen. Genom att kombinera maskinlärning och statistisk ekologi upptäckte forskarna att de kunde upptäcka de flesta biosignaturer som finns i miljön. De fann också att de flesta mikrober var koncentrerade i områden med mer tillgängligt vatten.

Inuti en drönare eller satellit, kunde den här typen av AI-verktyg upptäcka biosignaturer på andra planeter. Gruppen planerar att kartlägga torra dalar, permafrosten jord och varma källor på andra platser för att träna maskinlärningsmodellen ytterligare så att den en dag kan vara redo för en rymdmission.

Ett annat praktiskt användningsområde för AI är att organisera data i rankade listor. Forskare använder maskinlärning för att rangordna stjärnor som kan ha lovande månar eller planeter i sin omloppsbana. De kommer att använda den här datan för att genomföra ett SETI-projekt med världens största enskilda teleskop, Kinas FAST-radioteleskop.

AI och Sökandet Efter Liv i Rymden

För vissa skeptiker är SETI-forskning en slöseri med tid eftersom den ännu inte har lett till bevis för utomjordiskt liv. Men insamlingen av stora mängder data har inspirerat andra grenar av vetenskapen att följa i dess fotspår.

På sin bästa sida, har SETI-forskning främjat fältet maskinlärning och inspirerat otaliga människor att se bortom vår planet för tecken på liv. På sin bästa sida, kommer den att hitta något verkligen anmärkningsvärt — och det kan för alltid förändra historiens gång. Om det finns någon eller något där ute, finns det en god chans att SETI-forskare kommer att vara de första att höra från dem.