RW Space

Примерно 540 миллионов лет назад на илистом океанском дне планеты Земля внезапно начали появляться разнообразные формы жизни. Этот период известен как кембрийский взрыв, и эти водные твари — наши древние предки.

Вся сложная жизнь на Земле произошла от этих подводных существ. Ученые полагают, что все, что для этого потребовалось, — это очень незначительное повышение уровня кислорода в океане выше определенного порога.

Сейчас мы можем находиться в разгаре Кембрийского взрыва искусственного интеллекта (ИИ). За последние несколько лет всплеск невероятно эффективных программ искусственного интеллекта, таких как Midjourney, DALL-E 2 и ChatGPT, продемонстрировал быстрый прогресс, которого мы достигли в машинном обучении.

Искусственный интеллект теперь используется практически во всех областях. науки, чтобы помочь исследователям с рутинными задачами классификации. Это также помогает нашей команде радиоастрономов расширить поиск внеземной жизни, и результаты до сих пор были многообещающими.

Обнаружение инопланетных сигналов с помощью ИИ

Пока ученые ищут доказательства существования разумной жизни за пределами Земли мы создали систему искусственного интеллекта, которая превосходит классические алгоритмы в задачах обнаружения сигналов. Наш ИИ был обучен искать в данных с радиотелескопов сигналы, которые не могут генерироваться естественными астрофизическими процессами.

Когда мы скормили нашему ИИ ранее изученный набор данных, он обнаружил восемь интересующих сигналов с помощью классического алгоритма. пропущенный. Чтобы было ясно, эти сигналы, вероятно, исходят не от внеземного разума и, скорее всего, являются редкими случаями радиопомех.

Тем не менее, наши результаты, опубликованные сегодня в Nature Astronomy, показывают, как Технологии искусственного интеллекта, несомненно, будут играть постоянную роль в поиске внеземного разума.

Не очень умные

Алгоритмы искусственного интеллекта не «понимают» и не «думают». Они преуспевают в распознавании образов и оказались чрезвычайно полезными для таких задач, как классификация, но они не способны решать проблемы. Они выполняют только те конкретные задачи, которым их обучали.

Итак, хотя идея ИИ, обнаруживающего внеземной разум, звучит как сюжет захватывающего научно-фантастического романа, оба термина ошибочны: программы ИИ не разумны. , а поиски внеземного разума не могут найти прямых доказательств наличия разума.

Вместо этого радиоастрономы ищут радио «техносигнатуры». Эти гипотетические сигналы указывают на наличие технологий и, косвенно, на существование общества, способного использовать технологии для коммуникации.

Для нашего исследования мы создали алгоритм, использующий методы ИИ для классификации сигналов. либо как радиопомехи, либо как настоящий кандидат на техносигнатуру. И наш алгоритм работает лучше, чем мы надеялись.

Что делает наш алгоритм ИИ

Поиск техносигнатур сравнивают с поиском иголки в космическом стоге сена. Радиотелескопы производят огромные объемы данных, а в них огромное количество помех от таких источников, как телефоны, WiFi и спутники.

Алгоритмы поиска должны уметь отсеивать настоящие техносигнатуры от «ложных срабатываний», и сделать это быстро. Наш классификатор ИИ отвечает этим требованиям.

Он был разработан Питером Ма, студентом Университета Торонто и ведущим автором нашей статьи. Чтобы создать набор обучающих данных, Питер вставил смоделированные сигналы в реальные данные, а затем использовал этот набор данных для обучения алгоритма ИИ, называемого автоэнкодером. Когда автоэнкодер обрабатывал данные, он «научился» идентифицировать характерные признаки в данных.

На втором этапе эти признаки передавались в алгоритм, называемый классификатором случайного леса. Этот классификатор создает деревья решений, чтобы определить, заслуживает ли внимания сигнал или это просто радиопомехи, по существу отделяя «иголки» техносигнатуры от стога сена.

После обучения нашего алгоритма ИИ мы скормили ему более 150 терабайт данных. данные (480 часов наблюдений) с телескопа Грин-Бэнк в Западной Вирджинии. Он выявил 20 515 представляющих интерес сигналов, которые нам затем пришлось проверять вручную. Из них восемь сигналов имели характеристики техносигнатур и не могли быть отнесены к радиопомехам.

Восемь сигналов без повторного обнаружения

Чтобы попытаться проверить эти сигналы, мы вернулся к телескопу, чтобы повторно наблюдать за всеми восемью интересующими сигналами. К сожалению, при последующих наблюдениях нам не удалось повторно обнаружить ни одного из них.

Мы уже были в подобных ситуациях. В 2020 году мы обнаружили сигнал, который оказался пагубной радиопомехой. Пока мы будем следить за этими восемью новыми кандидатами, наиболее вероятным объяснением будет то, что они были необычными проявлениями радиопомех: не инопланетянами.

К сожалению, проблема радиопомех никуда не денется. Но мы будем лучше подготовлены к тому, чтобы справиться с этим по мере появления новых технологий.

Сузить поиск

Наша команда недавно развернула мощный сигнальный процессор на телескопе MeerKAT в Южной Африке. MeerKAT использует технику, называемую интерферометрией, чтобы объединить свои 64 антенны в единый телескоп. Этот метод позволяет лучше определить, откуда в небе исходит сигнал, что значительно уменьшит количество ложных срабатываний от радиопомех.

Если астрономам удастся обнаружить техносигнатуру, которую нельзя объяснить помехами , это убедительно свидетельствует о том, что люди не являются единственными создателями технологий в Галактике. Это было бы одним из самых глубоких открытий, которые только можно себе представить.

В то же время, если мы ничего не обнаружим, это не обязательно означает, что мы единственный технологически способный «разумный» вид. Необнаружение также может означать, что мы не искали сигналы нужного типа, или наши телескопы еще недостаточно чувствительны, чтобы обнаруживать слабые передачи от далеких экзопланет.

Возможно, нам придется пересечь порог чувствительности. порог перед кембрийским взрывом открытий. В качестве альтернативы, если мы действительно одиноки, нам следует задуматься об уникальной красоте и хрупкости жизни здесь, на Земле.

Дэнни С. Прайс, старший научный сотрудник Кертинского университета

Эта статья перепечатана из The Conversation under лицензия Creative Commons. Прочтите исходную статью.