Οι επιστήμονες μπορεί να μας έφεραν πιο κοντά στην απάντηση αυτής της ερώτησης. Η ομάδα – με επικεφαλής ερευνητές από το Πανεπιστήμιο του Τορόντο – έχει απλοποιήσει την αναζήτηση εξωγήινης ζωής χρησιμοποιώντας έναν νέο αλγόριθμο για να οργανώσει τα δεδομένα από τα τηλεσκόπια τους σε κατηγορίες, προκειμένου να διακρίνει μεταξύ πραγματικών σημάτων και παρεμβολών. Αυτό τους επέτρεψε να ταξινομήσουν γρήγορα τις πληροφορίες και να βρουν μοτίβα, μέσω μιας διαδικασίας τεχνητής νοημοσύνης γνωστής ως μηχανική μάθηση.
Ανακάλυψαν οκτώ εξωγήινα σήματα που φαίνεται να έχουν τα χαρακτηριστικά της τεχνολογίας. Η μελέτη, που δημοσιεύθηκε στο περιοδικό Nature Astronomy, δεν ισχυρίζεται ότι βρήκε αποδείξεις για ευφυείς εξωγήινους, αλλά οι ερευνητές πιστεύουν ότι η χρήση της τεχνητής νοημοσύνης είναι ένας πολλά υποσχόμενος τρόπος για την αναζήτηση εξωγήινης νοημοσύνης.
«Είμαι εντυπωσιασμένος από το πόσο καλά έχει αποδώσει αυτή η προσέγγιση στην αναζήτηση εξωγήινης νοημοσύνης» δήλωσε σε ανακοίνωσή της η συν-συγγραφέας της μελέτης Cherry Ng, αστρονόμος στο Πανεπιστήμιο του Τορόντο. «Με τη βοήθεια της τεχνητής νοημοσύνης, είμαι αισιόδοξη ότι θα μπορέσουμε να ποσοτικοποιήσουμε καλύτερα την πιθανότητα παρουσίας εξωγήινων σημάτων από άλλους πολιτισμούς».
Η έρευνα για την εξωγήινη νοημοσύνη (SETI), βρίσκεται σε εξέλιξη από τη δεκαετία του 1960 και επικεντρώνεται στην εύρεση αποδείξεων για σήματα που παράγονται τεχνολογικά (technosignatures) από προηγμένους εξωγήινους πολιτισμούς. Οι αστρονόμοι έχουν χρησιμοποιήσει ισχυρά ραδιοτηλεσκόπια για να σαρώσουν χιλιάδες αστέρια και εκατοντάδες γαλαξίες με την ελπίδα να ανακαλύψουν αυτές τις τεχνο-υπογραφές. Θεωρείται ότι ένας προηγμένος εξωγήινος πολιτισμός θα διέθετε την πολυπλοκότητα να εκπέμπει τέτοια σήματα – αν υπάρχει.
Παρά το γεγονός ότι το διάστημα έχει ελάχιστες παρεμβολές από την τεχνολογία, η αναζήτηση εξωγήινης νοημοσύνης εξακολουθεί να αντιμετωπίζει μεγάλες προκλήσεις λόγω της ανθρώπινης όχλησης. Ο Peter Ma, προπτυχιακός φοιτητής και ερευνητής στο Πανεπιστήμιο του Τορόντο, εξηγεί ότι «σε πολλές από τις παρατηρήσεις μας, υπάρχουν πολλές παρεμβολές».
Για να διαφοροποιήσει τα εξωγήινα σήματα από τις παρεμβολές που δημιουργούνται από τον άνθρωπο, η επιστημονική ομάδα εκπαίδευσε τα εργαλεία μηχανικής μάθησης μέσω προσομοιώσεων και των δύο τύπων σημάτων (τεχνολογικών – ανθρωπίνων). Δοκίμασαν μια ποικιλία αλγορίθμων, αξιολόγησαν την ακρίβειά τους και τα ποσοστά ψευδώς θετικών αποτελεσμάτων και τελικά επέλεξαν έναν ισχυρό αλγόριθμο που δημιούργησε ο Ma.
Η νέα τεχνική χρησιμοποιεί μια μέθοδο που ονομάζεται «μάθηση με ημι-επιτήρηση» (semi-unsupervised learning), η οποία συνδυάζει την επιβλεπόμενη και τη μη επιβλεπόμενη μάθηση. Ο αλγόριθμος εκπαιδεύτηκε αρχικά για να διακρίνει μεταξύ των ανθρωπογενών ραδιοσημάτων που προέρχονται από τη Γη και των σημάτων που προέρχονται από άλλα σημεία του διαστήματος. Οι ερευνητές ανέλυσαν 150 terabytes δεδομένων από το τηλεσκόπιο Green Bank στη Δυτική Βιρτζίνια, τα οποία κάλυπταν παρατηρήσεις 820 αστέρων κοντά στη Γη, και ανακάλυψαν οκτώ σήματα που είχαν αγνοηθεί προηγουμένως από πέντε αστέρια που βρίσκονταν σε απόσταση 30 έως 90 έτη φωτός από τη Γη.
Ο αλγόριθμος του Ma, είναι ένας συνδυασμός δύο υποτύπων μηχανικής μάθησης, της μάθησης με επίβλεψη και της μάθησης χωρίς επίβλεψη. Χρησιμοποιεί τα πλεονεκτήματα και των δύο τεχνικών για τη βελτίωση της ακρίβειας του αλγορίθμου. Σε αυτή την προσέγγιση, η μάθηση με επίβλεψη χρησιμοποιείται για την καθοδήγηση και την εκπαίδευση του αλγορίθμου, ενώ η μάθηση χωρίς επίβλεψη χρησιμοποιείται για την αποκάλυψη κρυμμένων μοτίβων στα δεδομένα. Αυτός ο συνδυασμός επιτρέπει στον αλγόριθμο να γενικεύει τις πληροφορίες που έχει μάθει και να εντοπίζει ευκολότερα νέα μοτίβα στα δεδομένα, οδηγώντας σε καλύτερα αποτελέσματα στην αναζήτηση εξωγήινων σημάτων.
Η καινοτόμος ιδέα του Ma, να εφαρμόσει την ημι-επιβλεπόμενη μάθηση στην SETI, ξεκίνησε ως σχολική εργασία. «Είπα στην ομάδα μου, μετά τη δημοσίευση της εργασίας, ότι όλα αυτά ξεκίνησαν ως ένα σχολικό πρότζεκτ που δεν εκτιμήθηκε πραγματικά από τους καθηγητές μου».
Η Δρ Ng, λέει ότι οι νέες ιδέες είναι πολύ σημαντικές σε έναν τομέα όπως το SETI. «Σκαλίζοντας τα δεδομένα με κάθε τεχνική, ίσως μπορέσουμε να ανακαλύψουμε συναρπαστικά σήματα».
Οι επιστήμονες της προσπάθειας “Breakthrough Listen SETI” λένε ότι τα σήματα αυτά είχαν δύο κοινά χαρακτηριστικά με τα σήματα που θα μπορούσαν να δημιουργηθούν από ευφυείς εξωγήινους: είναι παρόντα όταν κοιτάμε το άστρο και απουσιάζουν όταν κοιτάμε μακριά, και αλλάζουν σε συχνότητα με την πάροδο του χρόνου με τρόπο που τα κάνει να φαίνονται μακριά από το τηλεσκόπιο.
Ωστόσο, αυτά τα χαρακτηριστικά θα μπορούσαν να προκύψουν τυχαία και είναι απαραίτητες περαιτέρω παρατηρήσεις για να προβούμε σε οποιουσδήποτε ισχυρισμούς σχετικά με την εξωγήινη ζωή.
Η ερευνητική ομάδα ελπίζει να εφαρμόσει τον αλγόριθμό της σε δεδομένα από πιο ισχυρά ραδιοτηλεσκόπια, όπως το MeerKAT στη Νότια Αφρική ή το σχεδιαζόμενο Next Generation Very Large Array. Πιστεύουν ότι αυτή η νέα τεχνική, σε συνδυασμό με την επόμενη γενιά τηλεσκοπίων, θα τους επιτρέψει να αναζητήσουν εκατομμύρια αστέρια αντί για εκατοντάδες.
Παρά το γεγονός ότι τα αρχικά αποτελέσματα της νέας προσπάθειας δεν οδήγησαν στην ανακάλυψη εξωγήινης ζωής, η χρήση της μηχανικής μάθησης στην αναζήτηση εξωγήινης νοημοσύνης υπόσχεται πολλά. Οι συγγραφείς της μελέτης είναι αισιόδοξοι ότι η τεχνητή νοημοσύνη θα τους βοηθήσει να ποσοτικοποιήσουν καλύτερα την πιθανότητα παρουσίας εξωγήινων σημάτων από άλλους πολιτισμούς.
➯ Με πληροφορίες από The Bright Side News
Οι επιστήμονες μπορεί να μας έφεραν πιο κοντά στην απάντηση αυτής της ερώτησης. Η ομάδα – με επικεφαλής ερευνητές από το Πανεπιστήμιο του Τορόντο – έχει απλοποιήσει την αναζήτηση εξωγήινης ζωής χρησιμοποιώντας έναν νέο αλγόριθμο για να οργανώσει τα δεδομένα από τα τηλεσκόπια τους σε κατηγορίες, προκειμένου να διακρίνει μεταξύ πραγματικών σημάτων και παρεμβολών. Αυτό τους επέτρεψε να ταξινομήσουν γρήγορα τις πληροφορίες και να βρουν μοτίβα, μέσω μιας διαδικασίας τεχνητής νοημοσύνης γνωστής ως μηχανική μάθηση.
Ανακάλυψαν οκτώ εξωγήινα σήματα που φαίνεται να έχουν τα χαρακτηριστικά της τεχνολογίας. Η μελέτη, που δημοσιεύθηκε στο περιοδικό Nature Astronomy, δεν ισχυρίζεται ότι βρήκε αποδείξεις για ευφυείς εξωγήινους, αλλά οι ερευνητές πιστεύουν ότι η χρήση της τεχνητής νοημοσύνης είναι ένας πολλά υποσχόμενος τρόπος για την αναζήτηση εξωγήινης νοημοσύνης.
«Είμαι εντυπωσιασμένος από το πόσο καλά έχει αποδώσει αυτή η προσέγγιση στην αναζήτηση εξωγήινης νοημοσύνης» δήλωσε σε ανακοίνωσή της η συν-συγγραφέας της μελέτης Cherry Ng, αστρονόμος στο Πανεπιστήμιο του Τορόντο. «Με τη βοήθεια της τεχνητής νοημοσύνης, είμαι αισιόδοξη ότι θα μπορέσουμε να ποσοτικοποιήσουμε καλύτερα την πιθανότητα παρουσίας εξωγήινων σημάτων από άλλους πολιτισμούς».
Η έρευνα για την εξωγήινη νοημοσύνη (SETI), βρίσκεται σε εξέλιξη από τη δεκαετία του 1960 και επικεντρώνεται στην εύρεση αποδείξεων για σήματα που παράγονται τεχνολογικά (technosignatures) από προηγμένους εξωγήινους πολιτισμούς. Οι αστρονόμοι έχουν χρησιμοποιήσει ισχυρά ραδιοτηλεσκόπια για να σαρώσουν χιλιάδες αστέρια και εκατοντάδες γαλαξίες με την ελπίδα να ανακαλύψουν αυτές τις τεχνο-υπογραφές. Θεωρείται ότι ένας προηγμένος εξωγήινος πολιτισμός θα διέθετε την πολυπλοκότητα να εκπέμπει τέτοια σήματα – αν υπάρχει.
Παρά το γεγονός ότι το διάστημα έχει ελάχιστες παρεμβολές από την τεχνολογία, η αναζήτηση εξωγήινης νοημοσύνης εξακολουθεί να αντιμετωπίζει μεγάλες προκλήσεις λόγω της ανθρώπινης όχλησης. Ο Peter Ma, προπτυχιακός φοιτητής και ερευνητής στο Πανεπιστήμιο του Τορόντο, εξηγεί ότι «σε πολλές από τις παρατηρήσεις μας, υπάρχουν πολλές παρεμβολές».
Για να διαφοροποιήσει τα εξωγήινα σήματα από τις παρεμβολές που δημιουργούνται από τον άνθρωπο, η επιστημονική ομάδα εκπαίδευσε τα εργαλεία μηχανικής μάθησης μέσω προσομοιώσεων και των δύο τύπων σημάτων (τεχνολογικών – ανθρωπίνων). Δοκίμασαν μια ποικιλία αλγορίθμων, αξιολόγησαν την ακρίβειά τους και τα ποσοστά ψευδώς θετικών αποτελεσμάτων και τελικά επέλεξαν έναν ισχυρό αλγόριθμο που δημιούργησε ο Ma.
Η νέα τεχνική χρησιμοποιεί μια μέθοδο που ονομάζεται «μάθηση με ημι-επιτήρηση» (semi-unsupervised learning), η οποία συνδυάζει την επιβλεπόμενη και τη μη επιβλεπόμενη μάθηση. Ο αλγόριθμος εκπαιδεύτηκε αρχικά για να διακρίνει μεταξύ των ανθρωπογενών ραδιοσημάτων που προέρχονται από τη Γη και των σημάτων που προέρχονται από άλλα σημεία του διαστήματος. Οι ερευνητές ανέλυσαν 150 terabytes δεδομένων από το τηλεσκόπιο Green Bank στη Δυτική Βιρτζίνια, τα οποία κάλυπταν παρατηρήσεις 820 αστέρων κοντά στη Γη, και ανακάλυψαν οκτώ σήματα που είχαν αγνοηθεί προηγουμένως από πέντε αστέρια που βρίσκονταν σε απόσταση 30 έως 90 έτη φωτός από τη Γη.
Ο αλγόριθμος του Ma, είναι ένας συνδυασμός δύο υποτύπων μηχανικής μάθησης, της μάθησης με επίβλεψη και της μάθησης χωρίς επίβλεψη. Χρησιμοποιεί τα πλεονεκτήματα και των δύο τεχνικών για τη βελτίωση της ακρίβειας του αλγορίθμου. Σε αυτή την προσέγγιση, η μάθηση με επίβλεψη χρησιμοποιείται για την καθοδήγηση και την εκπαίδευση του αλγορίθμου, ενώ η μάθηση χωρίς επίβλεψη χρησιμοποιείται για την αποκάλυψη κρυμμένων μοτίβων στα δεδομένα. Αυτός ο συνδυασμός επιτρέπει στον αλγόριθμο να γενικεύει τις πληροφορίες που έχει μάθει και να εντοπίζει ευκολότερα νέα μοτίβα στα δεδομένα, οδηγώντας σε καλύτερα αποτελέσματα στην αναζήτηση εξωγήινων σημάτων.
Η καινοτόμος ιδέα του Ma, να εφαρμόσει την ημι-επιβλεπόμενη μάθηση στην SETI, ξεκίνησε ως σχολική εργασία. «Είπα στην ομάδα μου, μετά τη δημοσίευση της εργασίας, ότι όλα αυτά ξεκίνησαν ως ένα σχολικό πρότζεκτ που δεν εκτιμήθηκε πραγματικά από τους καθηγητές μου».
Η Δρ Ng, λέει ότι οι νέες ιδέες είναι πολύ σημαντικές σε έναν τομέα όπως το SETI. «Σκαλίζοντας τα δεδομένα με κάθε τεχνική, ίσως μπορέσουμε να ανακαλύψουμε συναρπαστικά σήματα».
Οι επιστήμονες της προσπάθειας “Breakthrough Listen SETI” λένε ότι τα σήματα αυτά είχαν δύο κοινά χαρακτηριστικά με τα σήματα που θα μπορούσαν να δημιουργηθούν από ευφυείς εξωγήινους: είναι παρόντα όταν κοιτάμε το άστρο και απουσιάζουν όταν κοιτάμε μακριά, και αλλάζουν σε συχνότητα με την πάροδο του χρόνου με τρόπο που τα κάνει να φαίνονται μακριά από το τηλεσκόπιο.
Ωστόσο, αυτά τα χαρακτηριστικά θα μπορούσαν να προκύψουν τυχαία και είναι απαραίτητες περαιτέρω παρατηρήσεις για να προβούμε σε οποιουσδήποτε ισχυρισμούς σχετικά με την εξωγήινη ζωή.
Η ερευνητική ομάδα ελπίζει να εφαρμόσει τον αλγόριθμό της σε δεδομένα από πιο ισχυρά ραδιοτηλεσκόπια, όπως το MeerKAT στη Νότια Αφρική ή το σχεδιαζόμενο Next Generation Very Large Array. Πιστεύουν ότι αυτή η νέα τεχνική, σε συνδυασμό με την επόμενη γενιά τηλεσκοπίων, θα τους επιτρέψει να αναζητήσουν εκατομμύρια αστέρια αντί για εκατοντάδες.
Παρά το γεγονός ότι τα αρχικά αποτελέσματα της νέας προσπάθειας δεν οδήγησαν στην ανακάλυψη εξωγήινης ζωής, η χρήση της μηχανικής μάθησης στην αναζήτηση εξωγήινης νοημοσύνης υπόσχεται πολλά. Οι συγγραφείς της μελέτης είναι αισιόδοξοι ότι η τεχνητή νοημοσύνη θα τους βοηθήσει να ποσοτικοποιήσουν καλύτερα την πιθανότητα παρουσίας εξωγήινων σημάτων από άλλους πολιτισμούς.
➯ Με πληροφορίες από The Bright Side News
