ИИ, основанный на алгоритмах машинного обучения, стал бесценным инструментом в поиске внеземного разума (SETI). Это не научная фантастика, а практическое применение возможностей искусственного интеллекта. Имон Керинс, астроном и исследователь SETI из Манчестерского университета, сравнивает эту задачу с поиском иглы в стоге сена.

Смотрите также Ученые удивили неизвестные объекты в отдаленных зонах Солнечной системы

Кэринс объясняет:

Вы, в сущности, относитесь к данным так, будто это сено. Затем вы просите алгоритм машинного обучения сказать вам, есть ли у данных что-то, что не является сеном, и это, надеемся, и есть та же игла в стоге сена – если только в стоге нет других вещей.

К таким "другим вещам" обычно относят радиочастотные помехи (RFI), такие как сигналы мобильных телефонов, радиопередатчиков и электроники. Алгоритмы машинного обучения научены распознавать эти знакомые сигналы и игнорировать их. Если они замечают что-то необученное, это сказывается на исследовании человеком.

В одном из недавних проектов под руководством Стива Крофта, астронома из Калифорнийского университета в Беркли, и студента-бакалавра Питера Ма, ИИ использовался для анализа данных 820 звезд, которые наблюдались с помощью 100-метрового радиотелескопа в обсерватории Грин Бенк в Западной Вир.

Что сейчас нашел ИИ

Несмотря на то, что данные были проанализированы ранее, алгоритм ИИ обнаружил восемь сигналов, не соответствовавших известным паттернам радиочастотного излучения. Хотя они не повторялись (фундаментальное требование для заинтересованности в SETI), эти сигналы все еще ценны для обучения следующего поколения ИИ распознавать подобные радиочастотные сигналы в будущем.

Алгоритмы машинного обучения можно разделить на два типа:

  • Контролируемое: Обучение под наблюдением предполагает обучение алгоритму с помощью меченых данных.
  • Неконтролируемое: позволяет алгоритму определять значимые закономерности без предварительных указаний человека.

Адам Лесниковски (Adam Lesnikowski) из NVIDIA вместе с коллегами из Швейцарской высшей технической школы Цюриха и Бернского университета использовали неконтролируемое машинное обучение для идентификации искусственных объектов на Луне. Этот подход может оказаться полезным для выявления потенциальных инопланетных артефактов в нашей Солнечной системе, предполагая, что технологические пришельцы могли посещать ее в прошлом.

Перспективы искусственного интеллекта распространяются и на орбитальные аппараты с бортовыми алгоритмами машинного обучения. Эти космические аппараты могут искать аномалии на поверхностях планет, не дожидаясь передачи данных на Землю для анализа человеком. Возможности неконтролируемого обучения в реальном времени делают его ценным активом в этом контексте.

Как именно ИИ помогает?

В эпоху обширных данных машинное обучение ИИ ускоряет и улучшает астрономические исследования и SETI. Однако важно отметить, что участие человека остается критически важным. Хотя ИИ может выявлять интригующие сигналы, именно люди должны проводить дальнейшие исследования.

Будущее имеет еще больший потенциал. Исследователи работают над созданием всеобщего искусственного интеллекта (AGI), который может опередить человеческий интеллект в разных сферах. СШИ может революционизировать SETI, выходя за рамки человеческих предубеждений и опыта, разрабатывая инновационные стратегии по выявлению инопланетной жизни.

Смотрите также Взрыв кометы, возможно, повлек за собой развитие сельского хозяйства в древней Сирии

Однако создание AGI поднимает интригующие вопросы. Если он обнаружит сигнал SETI, то коммуникация между AGI и людьми может быть сложной. Возможно, будет существовать иерархия переводчиков, а информация будет передаваться в упрощенном виде. ИИ может скрывать от нас сложную информацию, потенциально ограничивая наше понимание.

Сегодня ИИ является мощным союзником в поисках внеземной жизни. Если однажды мы получим сигнал из другого мира, ИИ сыграет ключевую роль в нашем открытии. Будущее SETI вполне может быть связано с эволюцией искусственного интеллекта.