AI, akıllı uzaylı yaşamı aramamıza yardımcı oluyor ve 8 garip yeni sinyal bulduk

Yaklaşık 540 milyon yıl önce, Dünya gezegeninin çamurlu okyanus tabanlarından birdenbire çeşitli yaşam formları ortaya çıkmaya başladı. Bu dönem Kambriyen Patlaması olarak bilinir ve bu suda yaşayan yaratıklar bizim eski atalarımızdır.

Dünyadaki tüm karmaşık yaşam, bu sualtı canlılarından evrimleşmiştir. Bilim adamları, tek gerekenin okyanus oksijen seviyelerinde belirli bir eşiğin üzerinde çok hafif bir artış olduğuna inanıyor.

Şimdi yapay zeka (AI) için bir Kambriyen Patlamasının ortasında olabiliriz. Son birkaç yılda, inanılmaz derecede yetenekli yapay zeka programlarının patlaması gibi yolculuk ortası, DALL-E 2 Ve ChatGPT makine öğreniminde kaydettiğimiz hızlı ilerlemeyi sergiledi.

AI artık bilimin neredeyse tüm alanlarında araştırmacılara rutin sınıflandırma görevlerinde yardımcı olmak için kullanılmaktadır. Aynı zamanda radyo astronomlarından oluşan ekibimizin dünya dışı yaşam arayışını genişletmesine yardımcı oluyor ve şu ana kadar elde edilen sonuçlar umut verici.

AI ile uzaylı sinyallerini keşfetme

Dünya’nın ötesinde akıllı yaşam olduğuna dair kanıt arayan bilim adamları olarak, sinyal algılama görevlerinde klasik algoritmaları geride bırakan bir yapay zeka sistemi oluşturduk. Yapay zekamız, doğal astrofiziksel süreçler tarafından üretilemeyen sinyalleri radyo teleskoplarından gelen verileri aramak üzere eğitildi.

Yapay zekamızı daha önce çalışılan bir veri kümesiyle beslediğimizde, klasik algoritmanın kaçırdığı sekiz ilgi sinyali keşfetti. Açık olmak gerekirse, bu sinyaller muhtemelen dünya dışı zekadan gelmiyor ve daha çok nadir görülen radyo paraziti vakaları.

Bununla birlikte, bugün yayınlanan bulgularımız Doğa Astronomisi– AI tekniklerinin dünya dışı zeka arayışında sürekli bir rol oynayacağından nasıl emin olduğunu vurgulayın.

o kadar zeki değil

AI algoritmaları “anlamaz” veya “düşünmez”. Örüntü tanımada çok başarılılar ve sınıflandırma gibi görevler için son derece yararlı olduklarını kanıtladılar – ancak problem çözme yetenekleri yok. Sadece yapmak için eğitildikleri belirli görevleri yaparlar.

Bu nedenle, bir yapay zekanın dünya dışı zekayı tespit etmesi fikri, kulağa heyecan verici bir bilim kurgu romanının konusu gibi gelse de, her iki terim de kusurludur: AI programları akıllı değildir ve dünya dışı zeka aramaları, zekanın doğrudan kanıtını bulamaz.

Bunun yerine, radyo astronomları radyo “tekno imzaları” ararlar. Bu varsayılan sinyaller, teknolojinin varlığını ve dolaylı olarak, teknolojiyi iletişim için kullanma yeteneğine sahip bir toplumun varlığını gösterecektir.

Araştırmamız için, sinyalleri radyo paraziti veya gerçek bir tekno-imza adayı olarak sınıflandırmak için AI yöntemlerini kullanan bir algoritma oluşturduk. Ve algoritmamız umduğumuzdan daha iyi performans gösteriyor.

AI algoritmamız ne yapar?

Teknolojik imza aramaları, kozmik bir samanlıkta iğne aramaya benzetildi. Radyo teleskoplar büyük miktarda veri üretir ve içinde telefonlar, WiFi ve uydular gibi kaynaklardan gelen büyük miktarda parazit vardır.

Arama algoritmalarının gerçek teknolojik işaretleri “yanlış pozitiflerden” ayırabilmesi ve bunu hızlı bir şekilde yapabilmesi gerekir. AI sınıflandırıcımız bu gereksinimleri karşılar.

Toronto Üniversitesi öğrencisi ve makalemizin baş yazarı Peter Ma tarafından tasarlandı. Peter, bir eğitim verisi seti oluşturmak için simüle edilmiş sinyalleri gerçek verilere ekledi ve ardından bu veri setini otomatik kodlayıcı adı verilen bir yapay zeka algoritmasını eğitmek için kullandı. Otomatik kodlayıcı verileri işlerken, verilerdeki göze çarpan özellikleri tanımlamayı “öğrendi”.

İkinci adımda, bu özellikler rastgele orman sınıflandırıcısı adı verilen bir algoritmaya beslendi. Bu sınıflandırıcı, bir sinyalin dikkate değer mi yoksa sadece radyo paraziti mi olduğuna karar vermek için karar ağaçları oluşturur – temelde tekno-imza “iğnelerini” samanlıktan ayırır.

Algoritmamızı eğittikten sonra, onu Batı Virginia’daki Green Bank Telescope’tan 150 terabayttan fazla veriyle (480 gözlem saati) besledik. Daha sonra manuel olarak incelememiz gereken 20.515 ilgi sinyali belirledi. Bunlardan sekizi, tekno-imza özelliklerine sahipti ve radyo parazitiyle ilişkilendirilemezdi.

Sekiz sinyal, yeniden tespit yok

Bu sinyalleri denemek ve doğrulamak için, ilgili sekiz sinyali yeniden gözlemlemek için teleskopa geri döndük. Ne yazık ki, takip gözlemlerimizde hiçbirini yeniden tespit edemedik.

Daha önce de benzer durumlarda bulunduk. 2020’de zararlı radyo paraziti olduğu ortaya çıkan bir sinyal tespit ettik. Bu sekiz yeni adayı izleyecek olsak da, en olası açıklama, bunların uzaylı değil, radyo parazitinin olağandışı tezahürleri olduğudur.

Ne yazık ki, radyo paraziti sorunu hiçbir yere gitmiyor. Ancak yeni teknolojiler ortaya çıktıkça bununla başa çıkmak için daha donanımlı olacağız.

Aramayı daraltma

Ekibimiz kısa süre önce bir güçlü sinyal işlemcisi Güney Afrika’daki MeerKAT teleskopunda. MeerKAT, 64 çanağını tek bir teleskop gibi hareket edecek şekilde birleştirmek için interferometri adı verilen bir teknik kullanır. Bu teknik, radyo parazitinden kaynaklanan yanlış pozitifleri büyük ölçüde azaltacak olan bir sinyalin gökyüzünde nereden geldiğini daha iyi belirleyebilir.

Gökbilimciler, girişim olarak açıklanamayacak bir tekno-imza tespit etmeyi başarırsa, bu, insanların Galaksi içindeki tek teknoloji yaratıcıları olmadığını kuvvetle önerir. Bu, akla gelebilecek en derin keşiflerden biri olacaktır.

Aynı zamanda, hiçbir şey tespit edemiyorsak, bu, etraftaki tek teknolojik yetenekli “zeki” tür olduğumuz anlamına gelmez. Tespit edilememe durumu aynı zamanda doğru tipte sinyalleri aramadığımız veya teleskoplarımızın henüz uzak ötegezegenlerden gelen zayıf yayınları tespit edecek kadar hassas olmadığı anlamına da gelebilir.

Kambriyen Patlaması keşifleri yapmadan önce bir hassasiyet eşiğini geçmemiz gerekebilir. Alternatif olarak, eğer gerçekten yalnızsak, dünyadaki yaşamın eşsiz güzelliği ve kırılganlığı üzerinde düşünmeliyiz.

Bu makale şu adresten yeniden yayınlanmıştır: Konuşma Creative Commons lisansı altında. Okumak orijinal makale.