AIがエイリアン生命体の探索を支援する方法

ビル・ダイヤモンドは、私たちの銀河には潜在的に居住可能な世界が100億から500億の間にあると言います。 それは彼の仕事をやや難しくします。

Mr Diamondは米国に本社を置く研究機関であるSeti Instituteの最高経営責任者です。 「Seti」という文字は、Search for Extraterrestrial Intelligence（エイリアンインテリジェンス検索）の略語です。

「セッティは努力の一環として、生命と知能の証拠として太陽系を越えた科学と技術を探しています。

「私たちは非常にまれで、同時に観察している背景現象から探して抽出するのが非常に難しいことがあることを探しています。」

しかし、新しいツールが検索を支援しています。 大規模なデータセットを処理し、異常の兆候を見つける人工知能（AI）の能力は、エイリアンの知能狩りを変えています。

そのようなプロジェクトの1つは、ニューメキシコの米国国立電波天文台とのSeti Instituteパートナーシップに関連しています。 この連邦施設は、無線周波数を使用して、惑星、星、小惑星などの天体を研究します。

Setiは、天文台の中核施設のための並列AIベースのソフトウェアシステムを構築しています。 非常に大きな配列。 1973年から1981年の間に建設されたVLAは、砂漠の平原を横切って間隔をあけて配置された直径25mの大型の皿型アンテナ28個で構成されています。 人々の家で見つけることができる巨大な規模の衛星料理を想像してください。

動作中、AIはキャプチャされたすべてのデータビット（毎秒2TB）を処理できます。 これを理解するために、現在の最新のノートブックの総記憶容量は通常約1TBです。

ダイヤモンド氏は、彼の研究所がエイリアンの生命体を狩り続けるにつれて、AIの使用の増加がすでに「必須」であることが証明されていると述べています。

彼は、AIがエイリアンのソースから新しいタイプの無線信号を検索することを可能にすると指摘しています。 彼は伝統的に、Setiは人間が使用するのと同様の狭帯域信号を見つけたと説明しています。

「しかし、ブロードバンドを使用するエイリアンの先端技術があるとしたらどうかという質問は常にありました。 [radio]?'。 もしそうなら、私たちの伝統的な方法はうまくいかず、画面上のノイズの塊のように見えます」

しかし、Mr Diamondは、AIが膨大な量のデータを処理できることは、時間が経つにつれて、この雪に覆われたオーディオ写真の何百万もの「スナップショット」を撮ってパターンを探し始めることができることを意味します。 「探す新しいものを追加する方法です。」

Setiが協力する別のプロジェクトは次のとおりです。 画期的な聞いてみてください。 1億ポンド以上の民間セクターの資金調達を受けるこの計画は、技術寿命の証拠を見つけるために、広範な無線および光帯域にわたって100万の星と100の銀河をスキャンしています。

プロジェクトメンバーの一人であるトロント大学の学生Peter Maは、最近、望遠鏡データを調べ、エイリアンの実際の信号と干渉を区別するように設計された新しいAIシステムを開発しました。

彼のチームは、両方のタイプの騒音をシミュレートし、2つを区別するためにAIを訓練することによってこれを行いました。

例えば、マ氏は、エイリアンの信号が「望遠鏡を指しているときにのみ現れ、…遠くに指を指すと消える」と話しました。

このプロジェクトは、すでに伝統的な分析では検出されていない8つの潜在的なエイリアンシグナルを識別しました。 しかし、マ氏は、観察がまだ繰り返されていないので、おそらく誤検であると信じています。

AIは、より謙虚で家に近い人生の兆候を検出するためにも使用されています。

昨年、NASAのPerseverance探査機は火星の製剤としてクレーターからサンプルを収集し始めました。 すべてが順調に進むと、数年後に地球に戻ります。

すでに科学者たちは、探査機のSherloc機器が紫外線の下で輝く有機化合物を検出したと信じています。

しかし、有機化合物は非生物学的プロセスによって生成することができます。

しかし、AIを使用して岩石サンプルを分析して、現在または過去の生命体の痕跡を見つけるカーネギー科学研究所の新しい研究のおかげで、これらすべてが変わることがあります。

研究チームは、AIがほぼ90％の精度で以前の生物と無生物を区別できることを発見しました。

共同上級研究者のRobert Hazen博士は、「これは分子生物学的特徴を検索するための非常に新しいアプローチです」と述べた。

「私たちは、サンプルあたり50万のデータポイントを生成する分析方法で、膨大な量のデータをすべて見るために機械学習を使用しています。したがって、分子分布の微妙なパターンを探しています。