นาซาใช้แมชชีนเลิร์นนิงเพื่อเพิ่มการค้นหาชีวิตต่างดาวบนดาวอังคาร

นักวิจัยที่นาซาได้ทำงานอย่างหนักในการพัฒนาระบบ AI เพื่อช่วยให้ภารกิจการสำรวจในอนาคตสามารถค้นหาสิ่งบ่งชี้ของชีวิตบนดาวเคราะห์อื่น ๆ ในระบบสุริยะของเราได้ แมชชีนเลิร์นนิงจะช่วยให้อุปกรณ์สำรวจวิเคราะห์ตัวอย่างดินบนดาวอังคารและส่งคืนข้อมูลที่เกี่ยวข้องมากที่สุดไปยังนาซา โปรแกรมทดลองนี้มีแผนการทดสอบระหว่างภารกิจ ExoMars ที่จะเริ่มในกลางปี 2022

ตามที่ IEEE Spectrum รายงาน การตัดสินใจใช้แมชชีนเลิร์นนิงและปัญญาประดิษฐ์ในการช่วยค้นหาชีวิตบนดาวเคราะห์อื่น ๆ ได้รับแรงบันดาลใจจาก Erice Lyness หัวหน้า ห้องปฏิบัติการสภาพแวดล้อมดาวเคราะห์ของ Goddard ที่นาซา Lyness ต้องคิดวิธีการเพื่อทำให้การวิเคราะห์ทางธรณีเคมีของตัวอย่างที่เก็บจากส่วนอื่น ๆ ของระบบสุริยะของเราเป็นอัตโนมัติ Lyness ตัดสินใจว่าแมชชีนเลิร์นนิงสามารถช่วยให้การทำงานหลายอย่างที่ยานสำรวจเช่น Mars rovers ต้องทำได้ รวมถึงการเก็บและวิเคราะห์ตัวอย่างดินบนดาวอังคาร

โรเวอร์ ExoMars Roslanind Franklin จะสามารถเจาะดินได้ลึกถึง 2 เมตร trênพื้นดาวอังคาร ที่ความลึกนี้ จุลินทรีย์ที่อาศัยอยู่ที่นั่นจะไม่ได้รับผลกระทบจากแสงยูวีของดวงอาทิตย์ ทำให้โรเวอร์อาจพบแบคทีเรียที่มีชีวิตได้ แม้ว่าจะไม่พบตัวอย่างแบคทีเรียที่มีชีวิต ก็อาจพบหลักฐานฟอสซิลของชีวิตบนดาวอังคารที่เหลืออยู่จากยุคก่อนหน้าที่ดาวเคราะห์แห่งนี้มีสภาพแวดล้อมที่เหมาะสมสำหรับชีวิต ตัวอย่างที่โรเวอร์เจาะได้จะถูกส่งไปยังเครื่องมือที่เรียกว่าเครื่องวิเคราะห์มวลเพื่อวิเคราะห์

เครื่องวิเคราะห์มวลมีหน้าที่ในการศึกษาการกระจายของมวลในไอออนที่พบในตัวอย่างที่กำหนด ซึ่งทำได้โดยใช้เลเซอร์บนตัวอย่างดินเพื่อปลดปล่อยโมเลกุลในตัวอย่างดิน แล้วคำนวณมวลอะตอมจากโมเลกุลต่าง ๆ ซึ่งจะสร้างสเปกตรัมมวลที่นักวิจัยจะวิเคราะห์เพื่อทำความเข้าใจว่าทำไมจึงมีรูปแบบของสัญญาณบนสเปกตรัมนั้น อย่างไรก็ตาม มีปัญหาหนึ่งกับสเปกตรัมที่เครื่องวิเคราะห์มวลสร้างขึ้น ซึ่งสารประกอบต่าง ๆ จะสร้างสเปกตรัมที่หลากหลาย แมชชีนเลิร์นนิงอาจช่วยให้การวิเคราะห์สเปกตรัมมวลนี้ง่ายขึ้น

นักวิจัยกำลังศึกษาคนแร่ธาตุหนึ่งที่เรียกว่า montmorillonite ซึ่งพบได้ทั่วไปในดินบนดาวอังคาร นักวิจัยต้องการเข้าใจว่าแร่ธาตุนี้จะปรากฏอย่างไรใน สเปกตรัมมวล ทีมนักวิจัยจึงรวมตัวอย่าง montmorillonite เพื่อดูว่าสัญญาณออกมาจากเครื่องวิเคราะห์มวลจะเปลี่ยนแปลงไปอย่างไร ซึ่งจะให้ข้อมูลเชิงลึกเกี่ยวกับว่าแร่ธาตุนี้ดูเหมือนอย่างไรใน สเปกตรัมมวล อัลกอริทึม AI จะช่วยให้นักวิจัยสามารถค้นหารูปแบบที่มีความหมายจากสัญญาณของเครื่องวิเคราะห์มวล

ตามที่ Lyness กล่าวถึงใน IEEE Spectrum:

“อาจใช้เวลานานในการวิเคราะห์สเปกตรัมและเข้าใจว่าทำไมจึงมีสัญญาณที่มวลบางจุดใน สเปกตรัม ดังนั้น สิ่งใดที่คุณสามารถทำได้เพื่อชี้แนะนักวิทยาศาสตร์ให้ไปในทิศทางที่บอกว่า ‘ไม่ต้องกังวล มันไม่ใช่สิ่งนั้นหรือสิ่งนั้น’ นักวิทยาศาสตร์จะสามารถระบุได้ว่ามีสิ่งใดอยู่ในนั้นได้เร็วขึ้น”

ตามที่ Lyness กล่าว ภารกิจ ExoMars จะเป็นกรณีทดสอบที่ดีสำหรับอัลกอริทึม AI ที่ออกแบบมาเพื่อช่วยในการตีความสเปกตรัมมวลที่เกิดจากตัวอย่าง

มีการใช้ AI และแมชชีนเลิร์นนิงในด้านอื่น ๆ ของดาราศาสตร์ชีวภาพ โดรน Dragonfly และภารกิจในอนาคตอื่น ๆ จะปฏิบัติการห่างจากโลกและในสภาพแวดล้อมที่รุนแรง hơn ซึ่งจะจำเป็นต้องมีการทำให้การนำทางและการส่งต่อข้อมูลเป็นอัตโนมัติ