Штучний інтелект навчають шукати позаземне життя

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

Техносигнатури і біосигнатури

Пошуки життя в космосі мають дві форми. З одного боку, це пошук будь-якої живої істоти, навіть бактерій або грибів, які еволюціонували на іншій планеті. Сама присутність чужинських грибкових скам’янілостей мала б глибокі наслідки для людської психіки, руйнуючи наші уявлення про життя, як ми його знаємо.

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

Але деякі вчені шукають щось більше, ніж амеби. Ентузіасти пошуків позаземного інтелекту (SETI) по всьому світу уважно слухають техносигнатури, ознаки розвинених цивілізацій. Ці особливі 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 в галузі машинного навчання дали пошукам позаземного інтелекту новий імпульс. 

Стенфордський університет випустив безкоштовну базу даних Imagenet, яка містить понад 14 мільйонів позначених зображень, у 2009 році. Багато дослідників використали її для розробки своїх власних моделей машинного навчання. З того часу штучний інтелект (ШІ) дозволив зробити великі кроки у всіх галузях, від медицини до програмування.

Штучний інтелект особливо добре працює з обробкою великих масивів даних. Вчені зараз використовують методи дистанційного зондування у пошуках життя в космосі, що означає, що вони збирають інформацію — а не фізичні зразки, як камені — з інших місяців і планет. Це також означає, що хтось має просіювати всі дані.

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

Інженери тренують алгоритми на великих наборах даних, щоб ШІ міг розпізнавати звук земного втручання, такого як радіохвилі, що походять з нашої власної планети. Це допомагає програмному забезпеченню фільтрувати помилкові сигнали. За допомогою аналізу даних НАСА скаталогізувала 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 членам громадськості переглядати зображення радіосигналів. Волонтери допомагають класифікувати зображення як потенційні форми втручання, допомагаючи тренувати алгоритм ШІ 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 ШІ UCLA дозволяє Грін-Банку повністю використати краудсорсинг у пошуках життя в космосі. 

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

Група співпрацювала з дослідником Фредді Калайцісом для тренування моделі ШІ 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 безпілотного літального апарату або супутника такий інструмент ШІ міг би виявити біосигнатури на інших планетах. Команда планує змапувати сухі долини, ґрунт, вкритий вічною мерзлотою, та гарячі джерела в інших місцях, щоб ще більше тренувати модель машинного навчання, щоб вона колись могла бути готова до космічної місії.

Іншим практичним застосуванням ШІ є організація даних у рейтингові списки. Вчені використовують машинне навчання для ранжування зірок, 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 і пошук життя в космосі

Для деяких скептиків дослідження SETI — це марна трата часу, оскільки вони ще не принесли жодних доказів позаземного життя. Але збір великих масивів даних надихнув інші галузі науки слідувати їхньому прикладу. 

Хоча б у мінімальному варіанті, SETI просунув галузь машинного навчання та надихнув безліч людей шукати поза нашою планетою ознаки життя. А найкраще — він може знайти щось справді дивовижне — і це може назавжди змінити хід історії. Якщо хтось чи щось є там, то існує велика ймовірність, що дослідники SETI будуть першими, хто почує від них.