AI กำลังถูกฝึกให้ไล่ล่าสิ่งมีชีวิตต่างดาว

ตั้งแต่ดวงจันทร์ในมหาสมุทรที่เยือกแข็งไปจนถึงดาวเคราะห์ที่มีด้านเดียวในยามค่ำคืน มีโลกแปลกๆ นับไม่ถ้วนในเขตโกลดิล็อกส์ ซึ่งเป็นพื้นที่ที่มนุษย์ต่างดาวสามารถวิวัฒนาการได้ตามทฤษฎี การค้นหาสิ่งมีชีวิตในอวกาศได้ดึงดูดจินตนาการของมนุษย์มาช้านาน ตอนนี้ด้วยความช่วยเหลือเล็กๆ น้อยๆ จากคอมพิวเตอร์ นักวิทยาศาสตร์มีโอกาสที่ดีกว่าที่เคยในการค้นหาสัญญาณในเสียงรบกวน 

ลายเซ็นเทคโนโลยีและลายเซ็นชีวภาพ

การค้นหาชีวิตในอวกาศมีสองรูปแบบ ในแง่หนึ่งคือการแสวงหาสิ่งมีชีวิตใด ๆ แม้แต่แบคทีเรียหรือเชื้อราที่วิวัฒนาการมาจากดาวดวงอื่น การมีอยู่ของฟอสซิลโรคราน้ำค้างจากต่างดาวจะส่งผลอย่างลึกซึ้งต่อจิตใจของมนุษย์ ทำลายแนวคิดเกี่ยวกับชีวิตที่เรารู้จัก

ชีวประวัติเป็นหลักฐานของชีวิตในอดีตหรือปัจจุบัน ฉลาดหรือไร้สมอง พวกมันไม่ได้จำกัดอยู่แค่รอยเท้าและกระดูกเท่านั้น สารเคมี ฟิล์มชีวภาพ ก๊าซในชั้นบรรยากาศ และคุณสมบัติการสะท้อนแสง เห็นแต่ไกล สามารถบ่งบอกถึงการมีอยู่ของสิ่งมีชีวิต

แต่นักวิทยาศาสตร์บางคนกำลังมองหามากกว่าอะมีบา ผู้ที่ชื่นชอบการค้นหาข่าวกรองต่างดาว (SETI) ทั่วโลกตั้งใจฟังอย่างใกล้ชิดสำหรับลายเซ็นเทคโนโลยี สัญญาณของอารยธรรมขั้นสูง ชีวประวัติที่เฉพาะเจาะจงเหล่านี้อาจรวมถึงคลื่นวิทยุ ซึ่งกล้องโทรทรรศน์วิทยุสามารถตรวจจับการฟังแทนที่จะมองเข้าไปในอวกาศได้ 

AI เข้าร่วมทีม

ในปี 2023 นักวิจัยไม่พบหลักฐานของลายเซ็นทางเทคโนโลยี แต่นั่นไม่ได้หมายความว่าพวกเขาไม่ได้พยายาม ความก้าวหน้าใหม่ในการเรียนรู้ของเครื่องทำให้สาขา SETI มีความแข็งแกร่งขึ้นใหม่ 

Fei-Fei Li จาก Stanford เปิดตัว Imagenet ซึ่งเป็นฐานข้อมูลฟรี 14 ล้านภาพที่มีป้ายกำกับในปี 2009 นักวิจัยหลายคนใช้มันเพื่อพัฒนาโมเดลแมชชีนเลิร์นนิงของตนเอง ตั้งแต่นั้นมา ปัญญาประดิษฐ์ (AI) ได้ช่วยให้เกิดความก้าวหน้าอย่างมากในทุกสิ่งตั้งแต่การแพทย์ไปจนถึงการเขียนโปรแกรม

AI เปล่งประกายเมื่อพูดถึงการประมวลผลข้อมูลจำนวนมหาศาล ปัจจุบัน นักวิทยาศาสตร์ใช้วิธีการรับรู้ระยะไกลในการค้นหาสิ่งมีชีวิตในอวกาศ หมายความว่าพวกเขากำลังรวบรวมข้อมูล แทนที่จะเก็บตัวอย่างทางกายภาพ เช่น ก้อนหิน จากดวงจันทร์และดาวเคราะห์ดวงอื่น นอกจากนี้ยังหมายความว่าใครบางคนต้องกลั่นกรองข้อมูลทั้งหมด

เช่นเดียวกับการร่อนทองบนยอดเขาเอเวอเรสต์ งานจริงจะเป็นงานที่ต้องใช้ความพยายามอย่างมากเมื่อทำด้วยมือ มันใช้งานไม่ได้จริง โชคดีที่ซอฟต์แวร์ AI สามารถมองหาสัญญาณที่นักวิจัยคิดว่าอาจเป็นลายเซ็นเทคโนโลยีได้ โมเดลแมชชีนเลิร์นนิงสามารถวิเคราะห์สัญญาณในอดีตและทำนายว่าสัญญาณควรจะเป็นเช่นไรในอนาคต เพื่อตรวจหาความผิดปกติที่อาจมาจากโลกต่างดาว 

วิศวกรฝึกฝนอัลกอริทึมบนชุดข้อมูลขนาดใหญ่ เพื่อให้ AI สามารถจดจำเสียงของการรบกวนของโลก เช่น คลื่นวิทยุที่มาจากโลกของเรา ที่ช่วยให้ซอฟต์แวร์กรองการเตือนที่ผิดพลาด ด้วยความช่วยเหลือของการวิเคราะห์ข้อมูล NASA มี จัดทำรายการดาวเคราะห์มากกว่า 5,400 ดวงซึ่งบางแห่งอาจอยู่อาศัยได้ 

แอปพลิเคชั่นในโลกแห่งความจริง

ในเดือนกุมภาพันธ์ พ.ศ. 2023 นักดาราศาสตร์จากมหาวิทยาลัยแคลิฟอร์เนีย ลอสแองเจลิส (UCLA) ได้เริ่มโครงการวิทยาศาสตร์พลเมืองชื่อ Breakthrough Listen ที่ให้สมาชิกของสาธารณชนดูภาพของสัญญาณวิทยุ อาสาสมัครกำลังช่วยจัดประเภทรูปภาพว่าเป็นรูปแบบสัญญาณรบกวนที่เป็นไปได้ ช่วยฝึกอัลกอริทึม AI เพื่อดูข้อมูล SETI จากหอดูดาวกรีนแบงค์ เวสต์เวอร์จิเนีย 

Green Bank มีชื่อเสียงในเรื่องการไม่อนุญาตให้ผู้อยู่อาศัยใช้อุปกรณ์อิเล็กทรอนิกส์ เนื่องจากกล้องโทรทรรศน์วิทยุขนาดมหึมาของหอดูดาวต้องการความเงียบทางวิทยุ ผู้อยู่อาศัยในพื้นที่จึงไม่สามารถใช้ Wi-Fi ไมโครเวฟ หรือโทรศัพท์มือถือ เหนือสิ่งอื่นใด การส่งออกข้อมูลไปยังโครงการ AI ของ UCLA ทำให้ Green Bank สามารถใช้ประโยชน์อย่างเต็มที่จากการจัดหาฝูงชนในการค้นหาชีวิตในอวกาศ 

นักวิจัยจากสถาบัน SETI ในแคลิฟอร์เนียทำแผนที่จุลินทรีย์ที่อาศัยอยู่ในโดมเกลือ คริสตัล และหินใน Salar de Pajonales ที่ราบสูงระยิบระยับแห่งนี้คร่อมทะเลทราย Atacama ของชิลีและพื้นที่ Altiplano อาจเป็นการเปรียบเทียบที่ดีสำหรับดาวเคราะห์ที่ดูแห้งแล้ง แต่จริง ๆ แล้วเต็มไปด้วยชีวิต 

กลุ่มนี้ร่วมมือกับนักวิจัย Freddie Kalaitzis เพื่อฝึกโมเดล AI เพื่อค้นหารูปแบบที่เกี่ยวข้องกับชีวิตในทะเลทราย ด้วยการรวมการเรียนรู้ของเครื่องและนิเวศวิทยาเชิงสถิติ นักวิจัยค้นพบว่าพวกเขาสามารถตรวจจับชีวประวัติส่วนใหญ่ที่มีอยู่ในสิ่งแวดล้อมได้ พวกเขายังพบว่าจุลินทรีย์ส่วนใหญ่กระจุกตัวอยู่ในบริเวณที่มีน้ำเพียงพอ

ภายในโดรนหรือดาวเทียม เครื่องมือ AI ประเภทนี้อาจตรวจจับลายเซ็นชีวประวัติบนดาวเคราะห์ดวงอื่น ทีมงานวางแผนที่จะทำแผนที่หุบเขาแห้ง ดินที่ปกคลุมไปด้วยน้ำแข็ง และน้ำพุร้อนในสถานที่อื่นๆ เพื่อฝึกโมเดลแมชชีนเลิร์นนิงเพิ่มเติม เพื่อที่ว่าสักวันหนึ่ง มันอาจจะพร้อมสำหรับภารกิจในอวกาศ

การใช้งานจริงอีกอย่างหนึ่งสำหรับ AI คือการจัดระเบียบข้อมูลเป็นรายการจัดอันดับ นักวิทยาศาสตร์กำลังใช้แมชชีนเลิร์นนิงเพื่อจัดอันดับดาวฤกษ์ที่อาจมีดวงจันทร์หรือดาวเคราะห์ดวงดีอยู่ในวงโคจร พวกเขาจะใช้ข้อมูลนี้เพื่อดำเนินโครงการ SETI โดยใช้กล้องโทรทรรศน์จานเดียวที่ใหญ่ที่สุดในโลก นั่นคือกล้องโทรทรรศน์วิทยุ FAST ของจีน

AI และการค้นหาชีวิตในอวกาศ

สำหรับผู้ไม่หวังดีบางคน การวิจัยของ SETI นั้นเสียเวลาเปล่าเนื่องจากยังไม่ได้หลักฐานของสิ่งมีชีวิตนอกโลก แต่การรวบรวมข้อมูลจำนวนมหาศาลได้สร้างแรงบันดาลใจให้สาขาวิทยาศาสตร์อื่น ๆ ดำเนินรอยตาม 

อย่างน้อยที่สุด SETI ได้พัฒนาด้านแมชชีนเลิร์นนิงและสร้างแรงบันดาลใจให้ผู้คนนับไม่ถ้วนมองหาสัญญาณของชีวิตนอกโลกของเรา อย่างดีที่สุด จะพบบางสิ่งที่น่าทึ่งจริงๆ และอาจเปลี่ยนเส้นทางประวัติศาสตร์ไปตลอดกาล หากมีใครหรือบางสิ่งอยู่ที่นั่น มีโอกาสที่ดีที่นักวิจัยของ SETI จะเป็นคนแรกที่ได้ยินจากพวกเขา