นาซ่าใช้แมชชีนเลิร์นนิงเพื่อเพิ่มการค้นหาชีวิตต่างดาวบนดาวอังคาร

นักวิจัยที่นาซ่าได้ทำงานอย่างหนักเกี่ยวกับระบบ AI เพื่อช่วยให้ภารกิจการสำรวจในอนาคตสามารถค้นหาพยานหลักฐานของชีวิตบนดาวเคราะห์อื่นในระบบสุริยะของเราได้ แอลกอริทึมแมชชีนเลิร์นนิงจะช่วยให้อุปกรณ์สำรวจวิเคราะห์ตัวอย่างดินบนดาวอังคารและส่งคืนข้อมูลที่เกี่ยวข้องมากที่สุดไปยังนาซ่า โปรแกรมทดลองนี้มีแผนการทดสอบระหว่าง ภารกิจ ExoMars ซึ่งจะปล่อยออกไปในกลางปี 2022

ตามที่ IEEE Spectrum รายงาน การตัดสินใจใช้แมชชีนเลิร์นนิงและปัญญาประดิษฐ์เพื่อช่วยในการค้นหาชีวิตบนดาวเคราะห์อื่นได้รับแรงบันดาลใจอย่างมากจาก Erice Lyness หัวหน้า ห้องปฏิบัติการสภาพแวดล้อมดาวเคราะห์ Goddard ที่นาซ่า Lyness ต้องคิดวิธีการเพื่อทำให้การวิเคราะห์ทางธรณีเคมีของตัวอย่างที่เก็บจากส่วนอื่นของระบบสุริยะของเราเป็นอัตโนมัติ Lyness ตัดสินใจว่าแมชชีนเลิร์นนิงสามารถช่วยให้การทำงานอัตโนมัติหลายอย่างที่ยานสำรวจเช่น Mars rovers ต้องทำ รวมถึงการเก็บและวิเคราะห์ตัวอย่างดินดาวอังคาร

โรเวอร์ ExoMars Roslanind Franklin จะสามารถเจาะได้ลึกถึง 2 เมตรลงในดินดาวอังคาร ในความลึกนี้ จุลินทรีย์ที่อาศัยอยู่ที่นั่นจะไม่ถูกฆ่าโดยแสงยูวีของดวงอาทิตย์ ทำให้โรเวอร์สามารถพบแบคทีเรียที่มีชีวิตได้ แม้ว่าจะไม่พบตัวอย่างแบคทีเรียที่มีชีวิต แต่ก็เป็นไปได้ที่โรเวอร์อาจพบหลักฐานฟอสซิลของชีวิตบนดาวอังคารที่เหลืออยู่จากยุคก่อนหน้านี้เมื่อดาวเคราะห์นี้มีสภาพแวดล้อมที่เหมาะสมต่อชีวิต ตัวอย่างที่โรเวอร์เจาะพบจะถูกส่งไปยังเครื่องมือที่เรียกว่า mass spectrometer เพื่อวิเคราะห์

วัตถุประสงค์ของ mass spectrometer คือเพื่อศึกษาการกระจายของมวลในไอออนที่พบในตัวอย่างที่กำหนด ซึ่งทำได้โดยใช้เลเซอร์บนตัวอย่างดิน ซึ่งจะปลดปล่อยโมเลกุลในตัวอย่างดิน และจากนั้นคำนวณมวลอะตอมจากโมเลกุลต่างๆ กระบวนการนี้จะสร้าง mass spectrum ซึ่งนักวิจัยจะวิเคราะห์เพื่อทำความเข้าใจว่าทำไมจึงเห็นรูปแบบของส่วนสูงในสเปคตรัมนั้น อย่างไรก็ตาม มีปัญหาเกี่ยวกับสเปคตรัมที่สร้างโดย mass spectrometer คือ สารประกอบต่างๆ จะสร้างสเปคตรัมที่หลากหลาย ทำให้เป็นปัญหาในการวิเคราะห์สเปคตรัมและกำหนดสารประกอบที่อยู่ในตัวอย่าง แต่แอลกอริทึมแมชชีนเลิร์นนิงอาจช่วยได้

นักวิจัยกำลังศึกษาคุณสมบัติของแร่ธาตุ montmorillonite ซึ่งพบได้ทั่วไปในดินดาวอังคาร และนักวิจัยมีเป้าหมายที่จะเข้าใจว่าแร่ธาตุนี้สามารถแสดงออกมาใน mass spectrum ได้อย่างไร ทีมนักวิจัยได้เพิ่มตัวอย่าง montmorillonite เพื่อดูว่าผลลัพธ์ของ mass spectrometer จะเปลี่ยนแปลงไปอย่างไร ซึ่งจะให้คำใบ้ในการทำความเข้าใจว่าแร่ธาตุนี้ดูเหมือนอย่างไรใน mass spectrum แอลกอริทึม AI จะช่วยให้นักวิจัยสามารถดึงรูปแบบที่มีความหมายออกจาก mass spectrometer

ตามที่ Lyness กล่าวถึง IEEE Spectrum:

“อาจใช้เวลานานในการทำความเข้าใจสเปคตรัมและเข้าใจว่าทำไมจึงเห็นส่วนสูงในมวลที่แน่นอนในสเปคตรัม ดังนั้น สิ่งใดที่คุณสามารถทำได้เพื่อชี้นำนักวิทยาศาสตร์ไปในทิศทางที่บอกว่า ‘ไม่ต้องห่วง มันไม่ใช่สิ่งนี้หรือสิ่งนั้น’ นักวิทยาศาสตร์สามารถระบุได้อย่างรวดเร็วว่ามีอะไรอยู่ในนั้น”

ตามที่ Lyness กล่าว ภารกิจ ExoMars จะเป็นกรณีทดสอบที่ดีสำหรับแอลกอริทึม AI ที่ออกแบบมาเพื่อช่วยในการตีความ mass spectrums ที่สร้างโดยตัวอย่าง

มีการใช้งานที่เป็นไปได้อื่นๆ สำหรับ AI และแมชชีนเลิร์นนิงในด้าน astrobiology เช่น โดรน Dragonfly และภารกิจในอนาคตอื่นๆ จะทำงานห่างจากโลกและในสภาพแวดล้อมที่รุนแรงกว่า ซึ่งจะจำเป็นต้องมีการทำให้การนำทางและการส่งต่อข้อมูลเป็นอัตโนมัติ