كيف يساهم الذكاء الاصطناعي في البحث عن حياة خارج كوكب الأرض

هناك ما بين 10 إلى 50 مليار عالم يحتمل أن يكون صالحًا للسكن في مجرتنا، وفقًا لتقديرات بيل دايموند. وهذا يجعل مهمته صعبة إلى حد ما.

السيد دايموند هو الرئيس التنفيذي لمعهد سيتي للأبحاث ومقره الولايات المتحدة. الحروف “Seti” هي اختصار لعبارة Search for Extraterrestrial Intelligence.

وقال: “تبحث شركة سيتي، كشركة، عن العلوم والتكنولوجيا خارج النظام الشمسي كدليل على الحياة والذكاء، وهي في الأساس بمثابة إبرة في مشكلة كومة قش”.

“نحن نبحث عن شيء ربما يكون نادرًا للغاية وقد يكون من الصعب جدًا العثور عليه واستخراجه من الظواهر الخلفية التي تراقبها في نفس الوقت.”

لكن الأدوات الجديدة تجعل البحث أسهل. إن قدرة الذكاء الاصطناعي على إدارة مجموعات ضخمة من البيانات ــ واكتشاف الحالات الشاذة ــ تعمل على إحداث تحول في عملية البحث عن الذكاء خارج كوكب الأرض.

يتضمن أحد هذه المشاريع شراكة بين معهد سيتي والمرصد الوطني لعلم الفلك الراديوي الأمريكي في نيو مكسيكو. تستخدم هذه المنشأة الفيدرالية ترددات الراديو لدراسة الأجرام السماوية، مثل الكواكب والنجوم والكويكبات.

يقوم سيتي ببناء نظام برمجي موازي يعمل بالذكاء الاصطناعي للمنشأة الرئيسية للمرصد، وهي لوحة كبيرة جداً . تم بناء VLA بين عامي 1973 و1981، ويحتوي على 28 هوائيًا مكافئًا كبيرًا يبلغ قطرها 25 مترًا موزعة على سهل صحراوي. تخيل أطباق الأقمار الصناعية التي تجدها في منازل الناس، على نطاق ضخم.

عند التشغيل، سيكون الذكاء الاصطناعي قادرًا على معالجة كل جزء من البيانات الملتقطة، أو 2 تيرابايت في الثانية. لوضع هذا في السياق، تحتوي أجهزة الكمبيوتر المحمولة الحديثة عادةً على حوالي 1 تيرابايت من إجمالي مساحة التخزين.

يقول السيد دايموند إن الاستخدام المتزايد للذكاء الاصطناعي أثبت بالفعل أنه “أمر لا غنى عنه” حيث يواصل معهده البحث عن حياة خارج كوكب الأرض.

ويشير إلى أن الذكاء الاصطناعي يجعل من الممكن البحث عن أنواع جديدة من إشارات الراديو من مصادر خارج كوكب الأرض. ويوضح أن سيتي كان يبحث تقليديًا عن إشارات ضيقة النطاق مشابهة لتلك التي يستخدمها البشر.

“ولكن كان هناك دائمًا السؤال “ماذا لو كانت هناك تكنولوجيا متقدمة خارج كوكب الأرض تستخدم النطاق العريض”؟ [radio]”. وإذا حدث ذلك، فلن تنجح أساليبنا التقليدية، وستبدو مجرد مجموعة من الضوضاء على الشاشة. »

ومع ذلك، يقول دايموند إن قدرة الذكاء الاصطناعي على التعامل مع كميات هائلة من البيانات تعني أنه من الممكن التقاط ملايين “اللقطات” لهذه الصورة الصوتية الثلجية بمرور الوقت والبدء في البحث عن النماذج. “إنها طريقة لإضافة شيء جديد للبحث عنه.”

مشروع آخر تتعاون معه Seti هو اختراق الاستماع. بدعم من أكثر من 100 مليون جنيه إسترليني من تمويل القطاع الخاص، يقوم هذا المشروع بمسح مليون نجم و100 مجرة، عبر نطاق واسع من النطاقات الراديوية والبصرية، بحثًا عن أدلة على الحياة التكنولوجية.

قام أحد أعضاء المشروع، بيتر ما، وهو طالب في جامعة تورنتو، مؤخراً بتطوير نظام ذكاء اصطناعي جديد مصمم لفحص بيانات التلسكوب والتمييز بين الإشارات الحقيقية المحتملة من كائنات فضائية والتداخل.

وقد حقق فريقه ذلك من خلال محاكاة نوعي الضوضاء، ثم تدريب الذكاء الاصطناعي الخاص به على التمييز بين الاثنين.

يقول السيد ما، على سبيل المثال، إن إشارة من خارج الأرض ستظهر “فقط عندما نوجه تلسكوباتنا نحوها… وتختفي عندما نصرفها”.

وقد حدد المشروع بالفعل ثماني إشارات محتملة خارج كوكب الأرض لم يتم اكتشافها عن طريق التحليل التقليدي. ومع ذلك، يعتقد ما أنه نظرًا لأن المشاهدات لم تتكرر بعد، فمن المحتمل أن تكون نتائج إيجابية كاذبة.

يتم استخدام الذكاء الاصطناعي أيضًا لمحاولة اكتشاف علامات الحياة الأصغر والأقرب إلى المنزل.

في العام الماضي، بدأت المركبة الجوالة Perseverance التابعة لناسا في جمع عينات من Jezero Crater على سطح المريخ، والتي إذا سارت الأمور على ما يرام، سيتم إعادتها إلى الأرض في غضون عدة سنوات.

يعتقد العلماء بالفعل أن أداة شيرلوك الخاصة بالمركبة قد اكتشفت مركبات عضوية تتوهج تحت الضوء فوق البنفسجي.

ومع ذلك، يمكن إنشاء المركبات العضوية من خلال عمليات غير بيولوجية، مما يعني أنه ليس من الممكن بعد معرفة ما إذا كانت تأتي من الحياة الماضية على هذا الكوكب.

ومع ذلك، يمكن أن يتغير كل ذلك بفضل البحث الجديد الذي أجراه معهد كارنيجي للعلوم، والذي يستخدم الذكاء الاصطناعي لتحليل عينات الصخور بحثًا عن علامات الحياة الحالية أو الماضية.

ووجد الفريق أن الذكاء الاصطناعي قادر على التمييز بين المواد الحية وغير الحية القديمة، بدقة تصل إلى 90% تقريبًا.

“هذا نهج جديد للغاية في البحث عن البصمات الحيوية الجزيئية”، يوضح الباحث الرئيسي المشارك الدكتور روبرت هازن.

“نحن نستخدم التعلم الآلي لفحص كمية كبيرة من البيانات من خلال طريقة تحليلية تنتج نصف مليون نقطة بيانات لكل عينة. لذلك نحن نبحث عن أنماط دقيقة في التوزيعات الجزيئية.”