SETI считает, что искусственный интеллект может помочь марсоходам в поисках жизни на Марсе

Что думаете? Ваше мнение важно!

На Марсе, площадь поверхности которого составляет более 144 370 000 квадратных миль, есть много мест, где могут скрываться признаки потенциальной жизни. Если учесть сверхценное время работы нынешних и будущих марсоходов, то эффективный поиск признаков потенциальных древних микробов и организмов становится еще более сложной задачей. Чтобы немного уравнять шансы, SETI снова обращается к искусственному интеллекту и машинному обучению в попытке рассчитать наиболее вероятные и перспективные места для роверов - и, возможно, когда-нибудь и для астронавтов - для поиска признаков жизни. И, как впервые было описано в понедельник в журнале Nature Astronomy, новое моделирование машинного обучения с помощью искусственного интеллекта уже демонстрирует потенциал для ускорения поиска человечеством инопланетной жизни.

Чтобы создать свой ИИ, междисциплинарный проект под руководством старшего научного сотрудника Института SETI Ким Уоррен-Роудс обучил программу на наборах данных, полученных из региона под названием Салар-де-Пахоналес. Расположенный на границе чилийских пустынь Атакама и Альтиплано, Пайоналес послужил достойным аналогом Марса с его большой высотой, засушливым климатом, сухими соляными озерами, большим количеством ультрафиолетового света и редкой фотосинтезирующей микробной жизнью. Команда собрала более 7 765 изображений и 1 154 образца горных пород, кристаллов и соляных куполов, а затем использовала эту информацию вместе с другими наборами данных, чтобы научить свою программу понимать и обнаруживать участки с небольшими биосигнатурами. Когда программа ИИ/МЛ обратилась к новому близлежащему району, система смогла обнаружить подобные биопризнаки почти в 88 процентах случаев, в то время как при предыдущем случайном поиске - менее чем в 10 процентах. Новый метод также сократил необходимые области поиска до 97 процентов.

В своем заявлении Родс пояснил: "Наша система позволяет нам объединить возможности статистической экологии и машинного обучения, чтобы обнаружить и предсказать закономерности и правила, по которым природа выживает и распределяется в самых суровых ландшафтах на Земле". Далее они выразили надежду, что другие астробиологи адаптируют этот подход для картирования других сред, а также для обнаружения дополнительных биосигнатур. "С помощью этих моделей мы сможем разрабатывать индивидуальные дорожные карты и алгоритмы для направления марсоходов в места с наибольшей вероятностью обитания прошлой или настоящей жизни - независимо от того, насколько она скрыта или редка", - сказала она.

"Хотя высокая скорость обнаружения биосигнатур является главным результатом этого исследования, не менее важно то, что оно успешно интегрировало наборы данных с совершенно разным разрешением с орбиты на землю и, наконец, связало региональные орбитальные данные с микробными местообитаниями", - говорит другой член команды, Натали А. Каброль. Команда надеется, что со временем они и другие группы астробиологов смогут продолжить создание совместных наборов данных, которые могут помочь в поисках инопланетной жизни, используя их для будущих планетарных роверов.