چگونه هوش مصنوعی به جستجوی حیات فرازمینی کمک می‌کند

بیل دایموند می‌گوید بین 10 تا 50 میلیارد جهان بالقوه قابل سکونت در کهکشان ما وجود دارد.

آقای دایموند مدیر اجرایی موسسه تحقیقاتی ستی مستقر در ایالات متحده است. حروف “ستی” Seti مخفف جستجوی هوش فرازمینی است.

او می‌گوید: «ستی به‌عنوان یک تلاش، به‌دنبال علم و فناوری فراتر از منظومه شمسی به‌عنوان شواهدی از حیات و هوش است، و این به‌طور کلی سوزنی در مشکل انبار کاه است.

“ما به‌دنبال چیزی هستیم که احتمالاً بسیار نادر است و یافتن و استخراج از پدیده‌های پس‌زمینه‌ای که همزمان مشاهده می‌کنید ممکن است بسیار دشوار باشد.”

توانایی هوش مصنوعی (AI) برای مدیریت مجموعه‌های داده عظیم و شناسایی ناهنجاری‌ها در جستجوی هوش بیگانه دگرگون می‌شود.

یکی از این پروژه‌ها شامل مشارکت موسسه ستی با رصدخانه ملی نجوم رادیویی ایالات متحده در نیومکزیکو است. این مرکز فدرال از فرکانس‌های رادیویی برای مطالعه اجرام آسمانی مانند سیارات، ستاره‌ها و سیارک‌ها استفاده می‌کند.

ستی در حال ساختن یک سیستم نرم‌افزاری موازی و مجهز به هوش مصنوعی برای تاسیسات اصلی رصدخانه، یعنی Very Large Array است. VLA که بین سال‌های 1973 و 1981 ساخته شد، شامل 28 آنتن بشقاب بزرگ به قطر 25 متر است که در یک دشت بیابانی فاصله دارند. دیش‌های ماهواره‌ای را که در خانه‌های مردم پیدا می‌کنید، در مقیاسی عظیم تصور کنید.

زمانی که هوش مصنوعی عملیاتی شود، می‌تواند هر بیت داده‌های گرفته شده (دو ترابایت (TB) در هر ثانیه را پردازش کند. برای بیان این موضوع، لپ‌تاپ‌های مدرن اکنون معمولاً حدود 1 ترابایت فضای ذخیره‌سازی کل دارند.

آقای دایموند می‌گوید که افزایش استفاده از هوش مصنوعی در حال حاضر ثابت شده است که “ضروری” است زیرا موسسه او به شکار حیات بیگانه ادامه می‌پردازد.

او به هوش مصنوعی اشاره می‌کند که امکان جستجوی انواع جدیدی از سیگنال‌های رادیویی از منابع بیگانه را فراهم می‌کند. او توضیح می‌دهد که به‌طور سنتی، سِتی به‌دنبال سیگنال‌های باند باریکی مشابه سیگنال‌های استفاده شده توسط انسان‌ها بوده است.

“اما همیشه این سوال وجود داشت که “اگر یک فناوری پیشرفته بیگانه وجود داشته باشد که از [رادیو] باند پهن استفاده می‌کند چه می‌شود؟” و اگر اینطور باشد، روش‌های سنتی ما کار نمی‌کنند، مانند یک سری نویز روی صفحه نمایش به نظر می‌رسد. “

با این حال، آقای دایموند می‌گوید که توانایی هوش مصنوعی برای مدیریت حجم عظیمی از داده به این معنی است که می‌توان میلیون‌ها عکس از این تصویر صوتی در طول زمان گرفت و شروع به جستجوی الگوها کرد. “این راهی برای اضافه کردن چیز جدیدی است که باید به‌دنبال آن باشید.”

پروژه دیگری که ستی با آن همکاری می‌کند Breakthrough Listen است. این طرح با حمایت بیش از 100 میلیون پوند بودجه بخش خصوصی، یک میلیون ستاره و 100 کهکشان را در طیف وسیعی از باندهای رادیویی و نوری اسکن می‌کند تا به‌دنبال شواهدی از حیات فناوری باشد.

یکی از اعضای پروژه، دانشجوی دانشگاه تورنتو، پیتر ما، اخیراً یک سیستم هوش مصنوعی جدید طراحی کرده است که برای بررسی داده‌‌های تلسکوپ، و تمایز بین سیگنال‌های واقعی احتمالی از بیگانگان و تداخل طراحی شده است. تیم او این کار را با شبیه‌سازی هر دو نوع نویز انجام داد و سپس هوش مصنوعی خود را برای تمایز بین این دو آموزش داد.

سیگنال بیگانه، برای مثال، «فقط زمانی ظاهر می‌شود که تلسکوپ‌ها را به سمت آن بگیریم… و زمانی که به سمت آن نشانه می‌رویم ناپدید می‌شود».

سال گذشته، مریخ نورد Perseverance ناسا شروع به جمع‌آوری نمونه‌هایی از دهانه Jezero در مریخ کرد که اگر همه چیز خوب پیش برود، چند سال دیگر به زمین بازگردانده می‌شود.

در حال حاضر، دانشمندان بر این باورند که ابزار Sherloc مریخ نورد، ترکیبات آلی را شناسایی کرده است که در زیر نور فرابنفش می‌درخشند.

با این حال، ترکیبات آلی را می‌توان توسط فرآیندهای غیر بیولوژیکی ایجاد کرد، به این معنی که هنوز نمی‌توان گفت که آیا آنها از زندگی گذشته در این سیاره نشات می‌گیرند یا خیر.

به‌لطف تحقیقات جدید موسسه علوم کارنگی که از هوش مصنوعی برای تجزیه و تحلیل نمونه‌های سنگ برای یافتن نشانه‌هایی از زندگی فعلی یا گذشته استفاده می‌کند، همه اینها می‌تواند تغییر کند.

این تیم دریافت که هوش مصنوعی قادر است مواد زنده و غیر زنده قبلی را با دقت 90 درصد تشخیص دهد.

دکتر رابرت هازن، محقق ارشد مشترک، می‌گوید: «این یک رویکرد بسیار جدید برای جستجوی امضاهای زیستی مولکولی است».

ما از یادگیری ماشینی استفاده می‌کنیم تا به تمام حجم عظیمی از داده‌ها از یک روش تحلیلی نگاه کنیم که نیم میلیون نقطه داده در هر نمونه تولید می‌کند. بنابراین ما به‌دنبال الگوهای ظریف در توزیع‌های مولکولی هستیم.

اولین برنامه‌ها استفاده از این سیستم برای تجزیه و تحلیل نمونه‌های باستانی از زمین و همچنین برخی از نمونه‌های مریخ به شکل شهاب سنگ است. اما آقای هازن می‌گوید: «مثلاً می‌توانیم ابزاری را از میان ستون‌های انسلادوس [یکی از قمرهای زحل] به پرواز در آوریم یا ابزاری را که با دقت طراحی شده‌اند بر روی مریخ فرود بیاوریم».

این روزهای اولیه است و هر نتیجه امیدوارکننده‌ای که توسط هوش مصنوعی ایجاد می‌شود، باید قبل از اینکه بتوان از پشت بام‌ها فریاد زد، توسط مشاهدات دیگر یا مدل‌های مبتنی بر فیزیک تأیید شود. اما با جمع‌آوری و تجزیه و تحلیل داده‌های بیشتر و بیشتر، شانس کشف حیات بیگانه (در صورت وجود) همیشه در حال افزایش است.

در این میان، آقای دایموند می‌گوید: “پیشرفت در مقیاس تلاش سنجیده می‌شود، نه در نتایج.”