هوش مصنوعی به اخترشناسان کمک می کند تا برای یافتن حیات بیگانه هوشمند جستجو کنند - و آنها 8 سیگنال جدید عجیب و غریب پیدا کردند.

هوش مصنوعی به اخترشناسان کمک می کند تا برای یافتن حیات بیگانه هوشمند جستجو کنند - و آنها 8 سیگنال جدید عجیب و غریب پیدا کردند.

تمبر زمان: 3 فوریه 2023، 10:00 صبح

حدود 540 میلیون سال پیش، اشکال مختلف حیات ناگهان از کف اقیانوس های گل آلود سیاره زمین شروع به ظهور کردند. این دوره به عنوان انفجار کامبرین شناخته می شود و این موجودات آبزی اجداد باستانی ما هستند.

تمام حیات پیچیده روی زمین از این موجودات زیر آب تکامل یافته است. دانشمندان بر این باورند که تنها چیزی که لازم بود افزایش بسیار جزئی در سطح اکسیژن اقیانوس در بالای یک آستانه مشخص بود.

ما اکنون ممکن است در میانه یک انفجار کامبرین باشیم هوش مصنوعی (AI). در چند سال گذشته، انبوهی از برنامه های هوش مصنوعی فوق العاده توانا مانند میانه سفر, DALL-E2و GPT چت پیشرفت سریع ما در یادگیری ماشین را به نمایش گذاشته است.

هوش مصنوعی در حال حاضر تقریباً در تمام زمینه های علم برای کمک به محققان در انجام وظایف طبقه بندی معمولی استفاده می شود. همچنین به تیم منجمان رادیویی ما کمک می کند تا جستجوی حیات فرازمینی را گسترش دهند و نتایج تا کنون امیدوارکننده بوده است.

کشف سیگنال های بیگانه با هوش مصنوعی

به عنوان دانشمندانی که در جستجوی شواهدی از حیات هوشمند فراتر از زمین هستند، ما به آن دست یافته ایم یک سیستم هوش مصنوعی ساخته است که الگوریتم های کلاسیک را در وظایف تشخیص سیگنال شکست می دهد. هوش مصنوعی ما برای جستجو در داده‌های تلسکوپ‌های رادیویی برای یافتن سیگنال‌هایی که توسط فرآیندهای اخترفیزیکی طبیعی تولید نمی‌شوند، آموزش دیده بود.

هنگامی که ما به هوش مصنوعی خود مجموعه داده‌ای را که قبلاً مطالعه شده بود تغذیه کردیم، هشت سیگنال جالب را که الگوریتم کلاسیک از دست داده بود، کشف کرد. برای روشن بودن، این سیگنال‌ها احتمالاً از هوش فرازمینی نیستند و به احتمال زیاد موارد نادر تداخل رادیویی هستند.

با این وجود، یافته های ما -امروز منتشر شد in نجوم طبیعت- نشان دهید که چگونه تکنیک‌های هوش مصنوعی مطمئناً نقشی مستمر در جستجوی هوش فرازمینی ایفا می‌کنند.

نه چندان باهوش

الگوریتم های هوش مصنوعی این کار را نمی کنند "درک" یا "فکر" آنها در تشخیص الگو عالی هستند و برای کارهایی مانند طبقه بندی بسیار مفید هستند - اما توانایی حل مسئله را ندارند. آنها فقط وظایف خاصی را انجام می دهند که برای انجام آنها آموزش دیده اند.

بنابراین اگرچه ایده هوش مصنوعی که هوش فرازمینی را تشخیص می‌دهد شبیه داستان یک رمان علمی تخیلی هیجان‌انگیز به نظر می‌رسد، اما هر دو اصطلاح ناقص هستند: برنامه‌های هوش مصنوعی هوشمند نیستند و جستجو برای هوش فرازمینی نمی‌تواند شواهد مستقیمی از هوش پیدا کند.

در عوض، اخترشناسان رادیویی به دنبال «تکنوسیچرهای» رادیویی هستند. این سیگنال‌های فرضی نشان‌دهنده حضور فناوری و به‌طور نیابتی، وجود جامعه‌ای با قابلیت مهار فناوری برای ارتباطات است.

برای تحقیق خود، الگوریتمی ایجاد کردیم که از روش‌های هوش مصنوعی برای طبقه‌بندی سیگنال‌ها به عنوان تداخل رادیویی یا کاندیدای امضای فنی واقعی استفاده می‌کند. و الگوریتم ما بهتر از آن چیزی است که ما امیدوار بودیم.

آنچه الگوریتم هوش مصنوعی ما انجام می دهد

جستجوهای Technosignature به جستجوی سوزن در انبار کاه کیهانی تشبیه شده است. تلسکوپ های رادیویی حجم عظیمی از داده ها را تولید می کنند و مقادیر زیادی تداخل از منابعی مانند تلفن ها، وای فای و ماهواره ها در آن وجود دارد.

الگوریتم های جستجو باید بتوانند امضاهای فنی واقعی را از "مثبت های نادرست" حذف کنند و این کار را به سرعت انجام دهند. طبقه بندی کننده هوش مصنوعی ما این الزامات را ارائه می دهد.

این توسط پیتر ما، دانشجوی دانشگاه تورنتو و نویسنده اصلی مقاله ما ابداع شد. برای ایجاد مجموعه ای از داده های آموزشی، پیتر سیگنال های شبیه سازی شده را در داده های واقعی قرار داد و سپس از این مجموعه داده برای آموزش الگوریتم هوش مصنوعی به نام رمزگذار خودکار استفاده کرد. همانطور که رمزگذار خودکار داده ها را پردازش می کرد، "یاد گرفت" ویژگی های برجسته در داده ها را شناسایی کند.

در مرحله دوم، این ویژگی‌ها به الگوریتمی به نام طبقه‌بندی جنگل تصادفی داده شدند. این طبقه‌بندی‌کننده درخت‌های تصمیم‌گیری را ایجاد می‌کند تا تصمیم بگیرد که آیا سیگنال قابل توجه است یا فقط تداخل رادیویی - اساساً «سوزن‌ها» را از انبار کاه جدا می‌کند.

پس از آموزش الگوریتم هوش مصنوعی، ما بیش از 150 ترابایت داده (480 ساعت مشاهده) را از تلسکوپ گرین بانک در ویرجینیای غربی به آن تغذیه کردیم. 20,515 سیگنال مورد علاقه را شناسایی کرد که ما مجبور شدیم آنها را به صورت دستی بررسی کنیم. از این تعداد، XNUMX سیگنال دارای ویژگی‌های تکنوامضا بودند و نمی‌توان آنها را به تداخل رادیویی نسبت داد.

هشت سیگنال، بدون شناسایی مجدد

برای بررسی و تأیید این سیگنال‌ها، به تلسکوپ بازگشتیم تا هر هشت سیگنال مورد نظر را دوباره مشاهده کنیم. متأسفانه، ما نتوانستیم هیچ یک از آنها را در مشاهدات بعدی خود دوباره شناسایی کنیم.

ما قبلا در موقعیت های مشابهی بوده ایم. در سال 2020 ما تشخیص دادیم سیگنالی که معلوم شد تداخل رادیویی مخرب است. در حالی که ما این هشت نامزد جدید را زیر نظر خواهیم گرفت، محتمل ترین توضیح این است که آنها تظاهرات غیرعادی تداخل رادیویی بودند: نه بیگانگان.

متأسفانه موضوع تداخل رادیویی راه به جایی نمی برد. اما با ظهور فناوری‌های جدید، برای مقابله با آن مجهزتر خواهیم بود.

محدود کردن جستجو

تیم ما اخیراً یک را مستقر کرده است پردازنده سیگنال قدرتمند در تلسکوپ MeerKAT در آفریقای جنوبی. MeerKAT از تکنیکی به نام تداخل سنجی برای ترکیب 64 بشقاب خود برای عمل به عنوان یک تلسکوپ استفاده می کند. این تکنیک بهتر می‌تواند مشخص کند که سیگنال از کجا در آسمان می‌آید، که به شدت مثبت کاذب ناشی از تداخل رادیویی را کاهش می‌دهد.

اگر اخترشناسان موفق به شناسایی یک امضای فناوری شوند که نمی توان آن را به عنوان تداخل توضیح داد، به شدت نشان می دهد که انسان ها تنها خالق فناوری در کهکشان نیستند. این یکی از عمیق ترین اکتشافات قابل تصور خواهد بود.

در عین حال، اگر هیچ چیز را شناسایی نکنیم، لزوماً به این معنی نیست که ما تنها گونه‌های «هوشمند» با قابلیت فناوری در اطراف هستیم. عدم شناسایی همچنین می‌تواند به این معنی باشد که ما به دنبال نوع سیگنال مناسبی نبوده‌ایم، یا تلسکوپ‌های ما هنوز به اندازه کافی حساس نیستند تا ارسال‌های ضعیف از سیارات فراخورشیدی دور را تشخیص دهند.

ممکن است قبل از انجام یک انفجار کامبرین از اکتشافات لازم باشد از یک آستانه حساسیت عبور کنیم. از طرف دیگر، اگر واقعاً تنها هستیم، باید زیبایی و شکنندگی منحصر به فرد زندگی اینجا روی زمین را بررسی کنیم.گفتگو

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

اعتبار تصویر: ESO/José Francisco Salgado

تمبر زمان:

بیشتر از تکینگی هاب