Штучний інтелект навчають шукати позаземне життя

Від замерзлих океанічних місяців до планет з однією стороною в постійній темряві, існує безліч дивних світів у зоні Золотої середини — регіонах, де чужинці могли б, теоретично, еволюціонувати. Пошуки життя у космосі давно захопили людську уяву. Тепер, з допомогою комп’ютерів, вчені мають кращий шанс, ніж будь-коли, знайти сигнал у шумі. 

Техносигнатури та біосигнатури

Пошуки життя у космосі відбуваються у двох формах. З одного боку є пошук будь-якої живої істоти, навіть бактерій або грибів, що еволюціонували на іншій планеті. Сама присутність чужинських грибкових скам’янілостей мала б глибокі наслідки для людської психіки, руйнуючи уявлення про життя, яке ми знаємо.

Біосигнатури — це ознаки будь-якого життя минулого чи сьогодення, розумного чи безумного. Вони не обмежуються лише слідами та кістками. Хімічні речовини, біоплівки, атмосферні гази та навіть відбивні особливості видимі здалеку можуть свідчити про присутність життя.

Але деякі вчені шукають щось більше, ніж амеби. Ентузіасти пошуків позаземного інтелекту (SETI) усьому світі уважно слухають техносигнатури, ознаки розвинених цивілізацій. Ці конкретні біосигнатури можуть включати радіохвилі, які радіотелескопи — які слухають, а не дивляться, у космос — можуть виявити. 

Штучний інтелект приєднується до команди

Станом на 2023 рік дослідники не знайшли жодних доказів техносигнатур, але це не означає, що вони не намагаються. Нові досягнення у машинному навчанні дали пошуковому полю SETI новий імпульс. 

Fei-Fei Li з Стенфорду випустила безкоштовний Imagenet, базу даних понад 14 мільйонів позначених зображень, у 2009 році. Багато дослідників використовували її для розробки власних моделей машинного навчання. Відтоді штучний інтелект (AI) дозволив зробити великі кроки у всіх напрямках — від медицини до програмування.

Штучний інтелект чудово справляється з обробкою величезних обсягів даних. Вчені зараз використовують дистанчне зондування у пошуковому полю життя у космосі, що означає, що вони збирають інформацію — а не фізичні зразки, як каміння — з інших місяців та планет. Це також означає, що хтось повинен просіювати всі дані.

Як панувати за золото на Евересті, завдання було б лабораторним зусиллям, якщо б його виконували вручну. Це просто не практично. На щастя, програмне забезпечення AI може шукати сигнали, які дослідники вважають техносигнатурами. Моделі машинного навчання можуть аналізувати минулі сигнали та передбачати, яким вони повинні бути у майбутньому, щоб виявити аномалії, які можуть походити з чужинських світів. 

Інженери тренують алгоритми на великих наборах даних, щоб програмне забезпечення AI могло розпізнавати звук земного втручання, наприклад радіохвилі, що походять з нашої планети. Це допомагає програмному забезпеченню фільтрувати помилкові спрацьовування. За допомогою аналізу даних НАСА каталогізувала понад 5 400 планет, деякі з яких можуть бути придатними для життя. 

Практичні застосування

У лютому 2023 року астрономи з Університету Каліфорнії, Лос-Анджелес (UCLA) розпочали проект громадянської науки під назвою Breakthrough Listen, який дозволяє учасникам громадськості переглядати зображення радіосигналів. Волонтери допомагають класифікувати зображення як потенційні форми втручання, допомагаючи тренувати алгоритм AI для перегляду даних SETI з обсерваторії Грін-Банк, Західна Вірджинія. 

Грін-Банк знаменитий тим, що не дозволяє жодним жителям використовувати електронні пристрої. Оскільки величезний радіотелескоп обсерваторії потребує, так би мовити, радіомовчання, жителі району не можуть використовувати Wi-Fi, мікрохвильові печі чи мобільні телефони, серед іншого. Експорт даних до проекту AI UCLA дозволяє Грін-Банку повністю використовувати краудсорсинг у пошуковому полю життя у космосі. 

Дослідники в Інституті SETI у Каліфорнії змапили мікроби, що живуть у соляних куполах, кристалах та каменях у Салар-де-Пахоналес. Ця солона рівнина, що простягнулася через пустелю Атакама та плато Альтіплано в Чилі, могла б бути хорошим аналогом для планет, які виглядають безжиттєвими, але насправді кишать життям. 

Група співпрацювала з дослідником Фредді Калайцісом, щоб тренувати модель AI для пошуку закономірностей, пов’язаних із життям у пустелі. Об’єднавши машинне навчання та статистичну екологію, дослідники виявили, що можуть виявити більшість біосигнатур, присутніх у середовищі. Вони також виявили, що більшість мікробів були зосереджені в районах з більш доступною водою.

Усередині безпілотника або супутника цей тип інструменту AI міг би виявити біосигнатури на інших планетах. Команда планує змапувати сухі долини, ґрунт, покритий перmafrost, та гарячі джерела в інших місцях, щоб进一步 тренувати модель машинного навчання, так що колись вона буде готова для космічної місії.

Іншим практичним застосуванням AI є організація даних у рейтингові списки. Вчені використовують машинне навчання для рейтингу зір, які можуть мати перспективні місяці чи планети на своїй орбіті. Вони будуть використовувати ці дані для проведення проекту SETI за допомогою найбільшого у світі радіотелескопа, китайського радіотелескопа FAST.

Штучний інтелект та пошук життя у космосі

Для деяких скептиків дослідження SETI — це марна трата часу, оскільки воно ще не принесло жодних доказів позаземного життя. Але збір величезних обсягів даних надихнув інші галузі науки слідувати за ними. 

Хоча мінімум, дослідження SETI просунуло галузь машинного навчання та надихнуло безліч людей шукати поза нашою планетою ознаки життя. А найкраще — воно знайде щось справді дивовижне — і це може назавжди змінити хід історії. Якщо хтось чи щось є там, існує велика ймовірність, що дослідники SETI будуть першими, хто почує про них.