АстрономияИскусственный интеллектНовости

Новый искусственный интеллект обнаруживает 8 потенциальных инопланетных техносигнатур

Представление художника о телескопе Грин-Бэнк, подключенном к сети машинного обучения.

Команда под руководством исследователей из Университета Торонто сообщает об обнаружении восьми невиданных ранее техносигнатур в ходе более чем 480 часов наблюдений с телескопа имени Роберта К. Берда в Грин-Бэнке. Данные были проанализированы новым алгоритмом, специально обученным быстро отличать радиосигналы из космоса от многочисленных помех с Земли.

С момента запуска программы SETI в 1960-х годах поиск внеземного разума включает в себя обнаружение возможных техносигнатур - предполагается, что развитая инопланетная цивилизация будет достаточно сложной, чтобы излучать такие сигналы. Для этого ученые используют мощные радиотелескопы, расположенные в отдаленных районах, где помехи от человеческой техники минимальны. Однако они никогда не равны нулю. "Во многих наших наблюдениях существует множество помех", — объясняет Питер Ма, исследователь из Университета Торонто и первый автор исследования, описывающего это открытие.

Чтобы наилучшим образом отличить космические сигналы от наземных, Ма и его коллеги задались целью создать искусственный интеллект специально для этой задачи: они смоделировали оба типа сигналов, чтобы обучить различные алгоритмы машинного обучения различать их. Алгоритм, показавший наилучшие результаты, был затем использован для анализа почти 150 терабайт данных, собранных телескопом Грин-Бэнк Observatory. Команда обнаружила восемь новых сигналов от пяти различных звезд, которые потенциально могут быть испущены внеземным интеллектом.

Подход, сочетающий контролируемое и неконтролируемое обучение

Как отмечают авторы исследования, основной проблемой при проведении SETI в радиодиапазоне является разработка обобщенной методики, позволяющей отклонять радиочастотные помехи, создаваемые человеком. Таким образом, они совершили настоящий прорыв в этой области, поскольку их алгоритм оказался очень эффективным: хотя данные с телескопа Роберта К. Берда уже анализировались ранее, без искусственного интеллекта эти восемь сигналов до сих пор полностью игнорировались.

Рассматриваемый алгоритм представляет собой комбинацию двух подтипов машинного обучения: контролируемого и неконтролируемого обучения. Напомним, что контролируемое обучение, в отличие от неконтролируемого, заключается в обучении функции предсказания на примерах, помеченных людьми. Используемый здесь подход, называемый "полунеконтролируемым обучением", предполагает использование контролируемых методов для направления и обучения алгоритма обобщению с помощью методов неконтролируемого обучения, чтобы легче обнаружить новые скрытые закономерности в данных, объясняет Ма.

Эта техника позволила исследователям сократить количество сигналов-кандидатов примерно на два порядка по сравнению с предыдущими анализами на том же наборе данных, сохранив при этом относительно низкий процент ложных срабатываний.

Есть две особенности, которые делают эти восемь новых сигналов достойными внимания, — говорит доктор Стив Крофт, научный сотрудник проекта Breakthrough Listen на телескопе в Грин-Бэнк. Во-первых, они обнаруживаются только тогда, когда телескоп направлен на звезду-источник - в отличие от местных помех, которые обычно повсеместны. Во-вторых, они меняют частоту с течением времени таким образом, что появляются вдали от телескопа.

Однако специалист отмечает, что этого недостаточно, чтобы с уверенностью заключить, что это внеземной сигнал: бывает, что сигналы обладают этими двумя характеристиками просто случайно. Первые последующие наблюдения пока не подтвердили, что эти сигналы являются внеземными техносигнатурами: после повторного наблюдения за объектами не было обнаружено сигналов с аналогичной морфологией, сообщает команда. В настоящее время проводится дальнейший анализ.

Но даже если эти сигналы не исходят от другой разумной формы жизни, эта работа все равно многообещающая и еще раз демонстрирует, что искусственный интеллект может быть очень полезен для научных исследований. "Этот подход, основанный на машинном обучении, представляет собой передовое решение для ускорения SETI и других исследований переходных процессов в эпоху астрономии, управляемой данными", — заключила команда в журнале Nature Astronomy.

В будущем Ма и остальные члены команды SETI надеются расширить свой подход и применить новый алгоритм к другим наборам данных и обсерваториям. "Я с оптимизмом смотрю на то, что с помощью искусственного интеллекта мы сможем лучше оценить вероятность внеземных сигналов от других цивилизаций", — говорит доктор Черри Нг, научный сотрудник Института астрономии и астрофизики Данлапа при Университете Торонто и соавтор статьи.

В сочетании с нынешними и будущими мощными радиотелескопами, такими как MeerKAT и Square Kilometre Array - строительство которого планируется завершить к 2028 году - или VLA следующего поколения (ngVLA), этот алгоритм значительно ускорит и расширит поиск внеземных сигналов до миллионов звезд.

Подпишитесь на нас: Вконтакте / Telegram
Back to top button