هل سيكون الذكاء الاصطناعي هو أول من يكتشف حياة الكائنات الفضائية؟

هل سيكون الذكاء الاصطناعي هو أول من يكتشف حياة الكائنات الفضائية؟

من تلال وست فرجينيا إلى مسطحات أستراليا الريفية ، تستمع بعض أكبر التلسكوبات في العالم لإشارات من حضارات فضائية بعيدة. البحث عن ذكاء خارج كوكب الأرض ، والمعروف باسم SETI ، هو محاولة للعثور على إشارات إشعاع كهرومغناطيسي تبدو اصطناعية قد تكون قد أتت من حضارة متقدمة تقنيًا في نظام شمسي بعيد. تصف دراسة نُشرت اليوم واحدة من عدة جهود لاستخدام التعلم الآلي ، وهي مجموعة فرعية من الذكاء الاصطناعي (AI) ، لمساعدة علماء الفلك على التدقيق بسرعة في رزم البيانات التي تنتجها مثل هذه الاستطلاعات. بينما يعيد الذكاء الاصطناعي  تشكيل العديد من المجالات العلمية ، ما الوعد الذي يحمله للبحث عن الحياة خارج الأرض؟

يقول فرانك مارشيس ، عالم فلك الكواكب في معهد SETI في ماونتن فيو ، كاليفورنيا: “إنها حقبة جديدة لأبحاث SETI تنفتح بفضل تقنية التعلم الآلي”.

مشكلة البيانات الضخمة جديدة نسبيًا على SETI. لعقود من الزمان ، كان المجال مقيدًا بسبب عدم وجود أي بيانات على الإطلاق. كان عالم الفلك فرانك دريك رائدًا في SETI في عام 1960 ، عندما وجه تلسكوبًا في جرين بانك ، فيرجينيا الغربية ، نحو نجمتين واستمع إلى البث اللاسلكي. اقتصرت معظم عمليات بحث SETI التي تلت ذلك أيضًا على عدد صغير من النجوم.

ولكن في عام 2015 ، قام الملياردير يوري ميلنر بتمويل أكبر برنامج SETI على الإطلاق ، في بيركلي ، كاليفورنيا: مشروع Breakthrough Listen  للبحث في مليون نجم عن علامات الحياة الذكية . باستخدام التلسكوبات في وست فرجينيا وأستراليا وجنوب إفريقيا ، يبحث المشروع عن الانبعاثات الراديوية التي تأتي من اتجاه النجم والتي تتغير بثبات في التردد ، كما يحدث إذا كان مرسل فضائي على كوكب يتحرك فيما يتعلق بالأرض.

عاصفة ثلجية للبيانات

المشكلة هي أن عمليات البحث هذه تسفر عن عاصفة من البيانات – بما في ذلك الإيجابيات الكاذبة الناتجة عن  التداخل الأرضي من الهواتف المحمولة ونظام تحديد المواقع العالمي (GPS) وجوانب أخرى من الحياة الحديثة .

تقول صوفيا شيخ ، عالمة الفلك في معهد SETI: “التحدي الأكبر بالنسبة لنا في البحث عن إشارات SETI ليس في هذه المرحلة الحصول على البيانات”. “الجزء الصعب هو تمييز الإشارات من تكنولوجيا الإنسان أو الأرض عن نوع الإشارات التي سنبحث عنها من التكنولوجيا في مكان آخر في المجرة.”

لا يعد إجراء ملايين الملاحظات يدويًا أمرًا عمليًا. يتمثل أحد الأساليب البديلة الشائعة في استخدام الخوارزميات التي تبحث عن إشارات تطابق ما يعتقد علماء الفلك أن منارات الفضائيين قد تبدو عليه. لكن هذه الخوارزميات يمكن أن تتغاضى عن إشارات يحتمل أن تكون مثيرة للاهتمام تختلف قليلاً عما يتوقعه علماء الفلك.

أدخل التعلم الآلي. يتم تدريب خوارزميات التعلم الآلي على كميات كبيرة من البيانات ويمكن أن تتعلم التعرف على السمات المميزة للتداخل الأرضي ، مما يجعلها جيدة جدًا في تصفية الضوضاء.

الإشارات التي تم التغاضي عنها

يقول دان ويرثيمر Dan Werthimer ، عالم SETI في جامعة كاليفورنيا ، بيركلي ، إن التعلم الآلي جيد أيضًا في التقاط الإشارات المرشحة خارج كوكب الأرض التي لا تندرج ضمن الفئات التقليدية ، وبالتالي ربما تكون قد فاتتها الأساليب السابقة.

يوافق بيتر ما ، عالم الرياضيات والفيزياء في جامعة تورنتو ، كندا ، والمؤلف الرئيسي لورقة اليوم. يقول: “لا يمكننا دائمًا توقع ما قد ترسله لنا ET”.

قام ما وزملاؤه بتفتيش ملاحظات Breakthrough Listen لـ 820 نجمة ، والتي تم إجراؤها باستخدام تلسكوب روبرت سي بيرد جرين بانك الذي يبلغ ارتفاعه 100 متر. قاموا ببناء برامج التعلم الآلي لتحليل البيانات ؛ أدى هذا إلى تسجيل ما يقرب من ثلاثة ملايين إشارة مهمة ، لكنه تجاهل معظمها على أنها تداخل من الأرض. قام ما بعد ذلك بمراجعة أكثر من 20000 إشارة يدويًا وحصرها في 8 مرشحين مثيرين للاهتمام.

جاء البحث في النهاية فارغًا – اختفت جميع الإشارات الثمانية عندما استمع الفريق مرة أخرى. ولكن يمكن استخدام هذه الأساليب في بيانات أخرى ، مثل تدفق الملاحظات من مجموعة MeerKAT المكونة من 64 تلسكوبًا لاسلكيًا في جنوب إفريقيا ، والتي بدأت Breakthrough Listen في استخدامها في ديسمبر. يمكن أيضًا استخدام خوارزميات التعلم الآلي في بيانات SETI المؤرشفة ، كما يقول ما ، للبحث عن إشارات كان من الممكن التغاضي عنها في السابق.

مواطن SETI

يعتبر التعلم الآلي أيضًا في صميم جهود SETI المنفصلة التي ستطلق الشهر المقبل. في 14 فبراير ، سيطلق علماء الفلك في جامعة كاليفورنيا ، لوس أنجلوس (UCLA)  مشروعًا لعلوم المجتمع  حيث سيقوم متطوعون من الجمهور بفرز صور إشارات الراديو وتصنيفها على أنها أنواع محتملة من التداخل ، لتدريب آلة – خوارزمية التعلم للبحث عن بيانات SETI من Green Bank.

ويمكن أن يساعد الذكاء الاصطناعي في المراحل الأخرى من عملية SETI. استخدم Werthimer وزملاؤه التعلم الآلي للتوصل إلى تصنيف للنجوم يمكن ملاحظته في مشروع SETI الجاري والذي يستخدم أكبر تلسكوب ذي طبق واحد في العالم ، وهو التلسكوب اللاسلكي FAST الذي يبلغ طوله 500 متر في الصين.

ومع ذلك ، من المحتمل أن يستمر SETI في استخدام مزيج من مناهج التعلم الكلاسيكي والآلي لفرز البيانات ، كما يقول جان لوك مارغو ، عالم الفلك بجامعة كاليفورنيا في لوس أنجلوس. لا تزال الخوارزميات الكلاسيكية ممتازة في التقاط الإشارات المرشحة ، والتعلم الآلي “ليس حلاً سحريًا” ، كما يقول.