Jak umělá inteligence pomáhá při hledání mimozemského života

Bill Diamond říká: V naší galaxii je 10 až 50 miliard potenciálně obyvatelných světů. To jeho úkol poněkud ztěžuje.

Pan Diamond je generálním ředitelem výzkumného institutu SETI se sídlem v USA. Písmena „Seti“ jsou zkratkou pro Search for Extraterrestrial Intelligence.

„SETI jako snaha hledá vědu a technologii mimo sluneční soustavu jako důkaz života a inteligence, a to je do značné míry problém v kupce sena,“ říká.

„Hledáme něco, co je potenciálně velmi vzácné a co může být velmi obtížné najít a extrahovat z jevů na pozadí, které současně pozorujete.“

S hledáním ale pomáhají nové nástroje. Schopnost umělé inteligence (AI) zpracovávat masivní soubory dat – a odhalovat anomálie – transformuje hledání mimozemské inteligence.

Jeden takový projekt zahrnuje partnerství mezi SETI Institute a US National Radio Astronomy Observatory v Novém Mexiku. Toto federální zařízení využívá rádiové frekvence ke studiu nebeských těles, jako jsou planety, hvězdy a asteroidy.

SETI buduje paralelní softwarový systém AI pro hlavní zařízení observatoře, které je… Velmi velké pole. VLA byla postavena v letech 1973 až 1981 a skládá se z 28 velkých anténních parabol o průměru 25 metrů rozmístěných po pouštní pláni. Představte si satelitní paraboly, které najdete v domácnostech lidí v masivním měřítku.

Když je v provozu, AI bude schopna zpracovat každý bit zachycených dat – 2 terabajty (TB) za sekundu. Abychom to uvedli do kontextu, moderní notebooky mají obvykle celkový úložný prostor kolem 1 TB.

Pan Diamond říká, že rostoucí využívání umělé inteligence se již ukazuje jako „nepostradatelné“, protože jeho institut pokračuje v hledání mimozemského života.

Upozorňuje, že umělá inteligence umožňuje vyhledávat nové typy rádiových signálů z exotických zdrojů. Vysvětluje, že SETI tradičně hledalo úzkopásmové signály podobné těm, které používají lidé.

„Ale vždy tu byla otázka, co kdyby existovala pokročilá vesmírná technologie, která by využívala širokopásmové připojení.“ [radio]“Pokud tomu tak je, naše tradiční metody nebudou fungovat a na obrazovce to bude vypadat jako shluk hluku.“

Nicméně, pan Diamond říká, že schopnost umělé inteligence zpracovávat obrovské množství dat znamená, že by mohlo být možné pořídit miliony „snímků“ tohoto zasněženého zvukového snímku v průběhu času a začít hledat vzory. „Je to způsob, jak přidat do výzkumu něco nového.“

Dalším projektem, se kterým Seti spolupracuje, je Průlomový poslech. Schéma, podporované více než 100 miliony liber ze soukromého sektoru, skenuje 1 milion hvězd a 100 galaxií v širokém spektru rádiových a optických pásem a hledá důkazy technologického života.

Jeden z členů projektu, student University of Toronto Peter Ma, nedávno vyvinul nový systém umělé inteligence určený ke zkoumání dat z dalekohledu, rozlišování mezi potenciálně skutečnými signály od mimozemšťanů a interferencí.

Jeho tým to provedl simulací obou typů hluku a poté trénováním své AI, aby je rozlišovala.

Ma říká, že vesmírný signál se například „objeví pouze tehdy, když na něj namíříme dalekohledy… a zmizí, když od něj namíříme“.

Projekt již identifikoval osm potenciálních vesmírných signálů, které nebyly detekovány konvenční analýzou. Pan Ma se však domnívá, že vzhledem k tomu, že pozorování dosud nebyla opakována, budou pravděpodobně falešně pozitivní.

Používá se také umělá inteligence, která se snaží odhalit známky života skromnějšího charakteru, blíže k domovu.

Loni začala sonda Perseverance od NASA sbírat vzorky z kráteru Jezero na Marsu, které, pokud vše půjde dobře, budou během několika let vráceny na Zemi.

Vědci se skutečně domnívají, že přístroj Sherlock roveru detekoval organické sloučeniny, které září pod ultrafialovým světlem.

Organické sloučeniny však mohou být vytvořeny nebiologickými procesy, což znamená, že zatím není možné určit, zda jsou odvozeny z minulého života na planetě.

To vše by se ale mohlo změnit díky novému výzkumu Carnegie Institution for Science, který pomocí umělé inteligence analyzuje vzorky hornin na známky současného nebo minulého života.

Tým zjistil, že AI je schopna rozlišit mezi dříve živými a neživými materiály s přibližně 90% přesností.

„Toto je velmi nový přístup k hledání molekulárních biologických signatur,“ říká spoluřešitel Dr. Robert Hazen.

„Používáme strojové učení, abychom se podívali na všechna obrovská množství dat prostřednictvím analytické metody, která produkuje půl milionu datových bodů na vzorek. Hledáme tedy jemné vzory v molekulárních distribucích.“