科學家:人工智能或將領先人類!新型人工智能正在「瘋狂」學習如何找到外星生命

以ChatGPT和GPT-4為代表的新型人工智能正在把人類社會帶入一個新紀元。與此同時天文學家也在開發基于機器學習的AI工具,用以更有效地尋找外星生命。從某種意義上來說,人工智能可能會比人類先發現外星生命,甚至先于人類發現外星文明。

最新的人工智能模型正在「瘋狂」學習如何幫助科學家找到最有可能存在生命的火星環境。這張照片是「毅力號」火星車拍攝的。NASA / JPL-Caltech / ASU / MSSS
人類目前尋找外星生命所用的方法主要有兩種:一是采集樣本,二是遙測。采集樣本需要長途飛行,受航天技術和浩瀚時空的制約極大;而遙測指的是用望遠鏡等設備遠距探測,現有技術完全可以做到。
最近一個跨學科科研小組訓練了一個機器學習模型,用以識別生命在惡劣環境下的分布模式和分布規律。

該小組由地外生命搜尋協會(SETI)的Kim Warren-Rhodes領導,成員科學家來自約翰霍普金斯大學應用物理實驗室和牛津大學。經過訓練后的這個模型能夠在各種不同環境——包括系外行星環境中對生命的存在模式和分布規律進行發掘和總結,進而指出它們藏身何處。
研究小組發現,在將人工智能和統計生態學相結合后,他們的這個模型能夠將系外行星生物指印的探測成功率提高到87.5%。而在一般隨機情況下,生物指印的探測成功率不足10%。與此同時,它還可以剔除掉大量無效對象,將工作量減少97%,以便科學家將精力放在那些最有成功可能的研究對象身上。

研究人員稱該模型可以安裝在火星車上,為火星車提供最有效的指引。在人工智能的指引下,火星車可以直接奔赴那些最有可能發現生命或生命遺跡的目標,無論它有多隱蔽或多不起眼。
研究人員在智利的一處名叫Salar de Pajonales的荒漠對該模型進行了測試。Salar de Pajonales環境干燥,和現代火星極為相似。
此處原是一個高原鹽湖,但湖水已干涸,終年經受著強紫外線的轟擊。這是一個對生命極不友好的環境。研究人員在此拍攝了近8000張照片,收集了大約1000份環境樣本,用來探測那些生活在鹽堆、巖石和礦物晶體中的光合細菌。這些細菌的排泄物即是一種生物印記。科學家希望在地球以外的世界里,能夠通過尋找這樣的印記來發現生命。

科研小組還動用了無人機對Salar de Pajonales進行拍攝,這可以模擬探測器在環火星軌道上拍攝的照片。通過數據分析,人工智能發現微生物在那里的分布并非全然隨機,而是傾向于向「熱點」聚集,這些「熱點」大多和水有關。
科研小組還訓練了卷積神經網絡,來識別和預測Salar de Pajonales湖床上的大型地質特征。類似的特征——如多邊形網格火星上也有。受訓后的神經網絡能夠在這些地方找到小型微生物聚居地,并預測它們會在哪里出現。

在探索外星世界之前,這個人工智能將先「瘋狂」學習如何在地球上的種種極端環境中尋找生命。研究人員希望它能夠先對疊層巖化石和耐鹽微生物基因組的位置和分布進行預測;然后將學習對象將拓展到溫泉、永久凍土層和普通巖石身上。


[圖擷取自網路,如有疑問請私訊]

本篇
不想錯過? 請追蹤FB專頁!    
前一頁 後一頁