A mesterséges intelligencia potenciális idegen "technoszignatúrákat" talált az űrből érkező rádiójelekben

Az UFO-k vagy idegenek után kutatni az űrben nem kis feladat, és senki sem csinálja jobban, mint a SETI Intézet. Az 1984-ben alapított SETI ...

Az UFO-k vagy idegenek után kutatni az űrben nem kis feladat, és senki sem csinálja jobban, mint a SETI Intézet.

Az 1984-ben alapított SETI azt a küldetést tűzte ki célul, hogy az égen olyan rádiójelek után kutasson, amelyek nem földi alapú "technoszignatúrákat" tartalmaznak, és amelyek esetleg egy idegen technológiához tartoznak.

Ilyen jelek után kutatnak az idegen élet jeleit kereső tudósok, amelyek a használatban lévő kommunikációs technológiát, így az intelligenciát is jelezhetik.

Ez a több évtizedes kutatás egyelőre nem hozott meggyőző eredményeket, de a Nature Astronomy folyóiratban hétfőn megjelent új cikk azt a reményt fogalmazza meg, hogy a gépi tanulás segítségével meg tudják oldani a problémát. (1)

A gépi tanulási algoritmus először 2016-ban elemezte az összegyűjtött teleszkópadatok felhasználásával 820 csillag 480 órányi adatát, és nyolc olyan érdekes jelet azonosított, amelyeket a korábbi algoritmusok nem észleltek.

Peter Ma, a cikk első szerzője, és a Torontói Egyetem egyetemi hallgatója elmondta, hogy bár korábban már alkalmazták a mesterséges intelligenciát a SETI rádióadatain, ez az új megközelítés teljesen kiveszi az emberi kézből a keresést.

"Korábban az emberek gépi tanulási komponenseket illesztettek be, hogy segítsék a keresést," - mondta Ma.

"Ez a munka teljes mértékben a neurális hálózatra támaszkodik, anélkül, hogy hagyományos algoritmusok támogatták volna, és olyan eredményeket hozott, amelyeket a hagyományos algoritmusok nem szűrtek ki."

A világűrből érkező rádiós adatfolyam bőséges forrás, de könnyen összekeverhető saját földi rádiójeleinkkel. Ma azt mondta, hogy az érdekes jelek, amelyek ebből a zűrzavarból érkeznek, "szűk sávú, doppler-sodródó jelek, amelyek valamilyen földönkívüli forrásból származnak".

Más szavakkal, olyan rádiójelek, amelyek mozognak és egy adott frekvenciatartományba esnek. Azonban továbbra is nyitott kérdés, hogy ezek a jelek hogyan változhatnak az idő vagy a távolság függvényében.

Ezeket a jeleket keresni az adatokban olyan lehet, mintha tűt keresnénk a szénakazalban - időigényes és fárasztó -, de ezen a gépi tanulás segíthet. Ma és munkatársai úgy tervezték meg neurális hálózatukat, hogy azonosítsák, majd osztályozzák a SETI-adatok legfontosabb jellemzőit, és ezzel egyidejűleg megpróbálják kiszűrni a földi alapú interferenciát.

Amellett, hogy kétszer olyan gyorsak, mint a hagyományos algoritmusok, Ma azt mondta, hogy neurális hálózat használata ezen adatok tanulmányozására egyfajta "dobozon kívüli" gondolkodást is lehetővé tesz, amelyet az ember diktálta algoritmusok nehezen érnek el.

"A hagyományos algoritmusok egy általunk tervezett utasításkészlet alapján működnek, így az algoritmus csak azt fogja felfedezni, amit mi mondunk neki, hogy találja meg," - mondta. "A probléma az, hogy az idegen jelek természete nem teljesen ismert. Ezért a javasolt megközelítésünk az, hogy egyszerűen megtanuljuk."

Ma és munkatársai neurális hálózata nyolc egyedi jelet tudott találni az adatokban elrejtve, amelyek potenciálisan földönkívüli forrásokból származhatnak, de kutatások még nem történtek ezek megerősítésére. És bár a további elemzések megerősíthetik, hogy ezeknek a forrásoknak nincs közük a Földhöz, ez nem jelenti azt, hogy a tudósok pontosan tudják, milyen technológiához kapcsolódnak - mondta Ma.

A legjobb esetben ezek a jelek tartalmazhatnak beágyazott információkat a technológia tervezéséről, vagy akár egy idegen civilizációtól származó technoszignatúra-gyűjteményt is.

"Ezzel azonban nem számolunk," - mondta Ma. (2)

(1) - https://www.nature.com/articles/s41550
(2) - https://www.vice.com/en/article/m7gz5