yeni bir çalışma yapay zekaya “biyo-imzalar” içerebilecek siteleri tespit etmeyi öğreterek Mars’ta uzaylı aramayı geliştirmenin yeni bir yolunu ortaya çıkardı.
NASA’ya göre, bir biyo-imza, “geçmiş veya şimdiki yaşam için kanıt olarak kullanılabilecek herhangi bir özellik, element, molekül, madde veya özelliktir.” Ancak böyle bir aracı Mars’ta veya diğer dünyalarda test etmeden önce, Dünya’da test etmeleri gerekiyor.
Ve böylece araştırmacılar, Şili’nin Atacama Çölü’nün üç kilometrekarelik bir alanındaki biyo-imzaları haritalamak için derin bir öğrenme çerçevesi geliştirdiler. Buna göre DoğaAI, ekibin araması gereken alanın önemli bir bölümünü azalttı ve bulma olasılığını artırdı. canlı organizmalar gezegendeki en kurak yerlerden biri olarak tanımlanabilecek bir yerde.
Mountain View, California’daki SETI Enstitüsü’nde kıdemli bir araştırma bilimcisi ve makalenin baş yazarı olan Kimberley Warren-Rhodes, “biyo-imzaları bulmak için çok fazla baskı altında olan” misyon bilimcilerine yardımcı olmak için istatistiksel ekolojideki geçmişini yapay zeka ile birleştirdi. ”
Yapay zeka tabanlı bir sinir ağı ve makine öğrenimi algoritması, yaşam arayışına yardımcı oldu
2016 yılında, Warren-Rhodes’un grubu, yine “önerilen” Mars benzeri olan Şili And Dağları’nda yaklaşık 3.500 metre yükseklikten insansız hava aracı görüntüleri, jeokimyasal analizler ve DNA dizileri topladı. Toplanan veri seti, araştırmacıların Mars’ta yörüngesel uydular, dronlar ve gezici araçlarla elde ettikleri bilgilerin aynısı olacaktır.
Ekip, verileri yapay zeka tabanlı bir evrişimli sinir ağına (CNN) ve bir makine öğrenimi algoritmasına besledi. Bu daha sonra nerede olduğunu tahmin etti hayat çok muhtemeldi Atacama’da.
AI, araştırmacıların arama alanını yüzde 97’ye kadar azaltmasına ve yaşam bulma olasılıklarını yüzde 88’e kadar artırmasına yardımcı oldu.
Biyo-imzaları inceleyen Houston, Teksas’taki Ay ve Gezegen Enstitüsü’nden astrobiyolog Kennda Lynch, Nature’a “Bu çalışma grubunu görmekten çok etkilendim ve çok mutluyum. Bazılarını gösterebilmeleri gerçekten harika. Nereye gidileceğini ve bakılacağını tahmin etmeye yardımcı olan bir AI ile başarı.”
Daha fazla çalışma yapılması gerekiyor. Yeni yöntemin çeşitli ekosistemlerde doğrulanması gerekecek. Atacama, habitatlar ve bulunan yaşam türleri söz konusu olduğunda nispeten basittir. Warren-Rhodes’a göre, ekibin ilerlemesi “biyolojinin genellikle kimya ve jeolojinin gerisinde kaldığı dünya dışı araştırmalarda önemli bir ilerlemeyi” temsil ediyor.
“Ekibimizin yapay zeka kullanarak biyo-imzaları güvenilir bir şekilde tespit etmeye yönelik bu ilk adımlardan birini atması heyecan verici” dedi.
Çalışma yayınlandı Doğa Astronomisi.
Çalışma Özeti:
Mars’ta biyo-imza arayışında, küresel ve bölgesel yaşanabilirliği karakterize etmek için yörüngelerden ve gezicilerden gelen bol miktarda veri var, ancak mikrobiyal habitatların ve biyo-imzaların ölçekleri ve çözünürlüklerinde çok daha az bilgi mevcut. Karasal biyo-imzaların dağılımının tanınabilir ve tahmin edilebilir kalıplarla karakterize edilip edilmediğini anlamak, diğer karasal gezegenlerde yaşam arama çabalarını optimize etmek için yön tabelaları sağlayabilir. Çok aşırı karasal bir ortamda yuvalanmış uzamsal ölçeklerde biyo-imza modellerini tanımak ve tahmin etmek için istatistiksel ekolojiyi derin öğrenmeyle birleştiren uyarlanabilir bir çerçeve geliştiriyoruz. Drone uçuş görüntüleri, çevresel faktörlerle bağlantılı öngörülebilir dağılımları ortaya çıkarmak için simüle edilmiş HiRISE verilerini yer araştırmalarına, spektroskopiye ve biyo-imza haritalamasına bağladı. Yapay zeka-makine öğrenimi modelleri, gezici tabanlı astrobiyoloji keşfiyle ilgili uzamsal ölçeklerde biyo-imzaları içerme olasılığı yüksek olan jeolojik özellikleri başarıyla tanımladı. Derin öğrenme ile artırılan hedefli yaklaşımlar, %56,9–87,5 oranında biyo-imza algılama olasılığı sunarken, rastgele aramalar için <%10’dur ve fiziksel arama alanını %85–97 oranında azaltmıştır. Birçok karasal ortam için biyo-imza dağılımları, algılama olasılıkları, tahmin modelleri ve arama yol haritaları kitaplıkları, analog bilim araştırmalarını standartlaştırarak tüm ölçeklerde agnostik karşılaştırmalara olanak tanır.