Штучний інтелект може допомогти шукати життя на Марсі та інших інопланетних світах

Нещодавно розроблений інструмент машинного навчання може допомогти вченим шукати ознаки життя на Марсі та інших інопланетних світах. З огляду на те, що можливості збирати зразки з інших планет дуже обмежені, наразі вчені змушені покладатися на методи дистанційного зондування, щоб шукати ознаки інопланетного життя. Це означає, що будь-який метод, який міг би спрямувати чи уточнити цей пошук, був би неймовірно корисним. 

Пам’ятаючи про це, багатодисциплінарна група вчених під керівництвом Кіма Воррен-Роудса з Інституту SETI (Пошук позаземного розуму) у Каліфорнії склала карту розріджених форм життя, які живуть у соляних куполах, скелях і кристалах у Салар-де-Пахоналес, солончаку. на межі чилійської пустелі Атакама і Альтіплано, або високогір’я.

Тоді Уоррен-Роудс об’єднався з Майклом Філліпсом з Лабораторії прикладної фізики Університету Джона Хопкінса та дослідником Оксфордського університету Фредді Калайцісом, щоб навчити модель машинного навчання розпізнавати закономірності та правила, пов’язані з розподілом життя в суворому регіоні. Таке навчання навчило модель виявляти однакові закономірності та правила для широкого діапазону ландшафтів — у тому числі тих, які можуть лежати на інших планетах. 

Команда виявила, що їхня система може, поєднуючи статистичну екологію з ШІ, знаходити та виявляти біосигнатури до 87,5% часу. Це порівняно з показником успіху не більше ніж 10%, досягнутим випадковими пошуками. Крім того, програма може зменшити площу, необхідну для пошуку, на цілих 97%, допомагаючи вченим значно відточити пошуки потенційних хімічних слідів життя або біосигнатур. 

«Наша структура дозволяє нам поєднати потужність статистичної екології з машинним навчанням, щоб виявити та передбачити закономірності та правила, за якими природа виживає та розподіляється в найсуворіших ландшафтах на Землі», — сказав Уоррен-Роудс у заяві.(відкривається в новій вкладці). «Ми сподіваємося, що інші групи астробіологів адаптують наш підхід до картографування інших придатних для життя середовищ і біосигнатур».

Дослідники кажуть, що такі інструменти машинного навчання можна застосувати до роботизованих планетарних місій, таких як марсохід NASA Perseverance, який зараз шукає сліди життя на дні марсіанського кратера Джезеро. 

«За допомогою цих моделей ми можемо розробити індивідуальні дорожні карти та алгоритми, щоб направляти марсоходи до місць з найвищою ймовірністю приховування минулого чи теперішнього життя — незалежно від того, наскільки воно приховане чи рідкісне», — пояснив Уоррен-Роудс. 

Вибір аналога Марса на Землі

Команда обрала Salar de Pajonales як етап тестування своєї моделі машинного навчання, оскільки це відповідний аналог для сухого та посушливого ландшафту сучасного Марса. Регіон являє собою висохле солоне дно високогірного озера, яке вибухає високим ступенем ультрафіолетового випромінювання. Не зважаючи на те, що Салар-де-Пахоналес вважається вкрай негостинним для життя, все ж є притулок для деяких живих істот. 

Команда зібрала майже 8000 зображень і понад 1000 зразків із Салар-де-Пахоналес, щоб виявити фотосинтезувальні мікроби, що живуть у соляних куполах, скелях і кристалах алебастру регіону. Пігменти, які виділяють ці мікроби, представляють можливу біосигнатуру на «драбині виявлення життя» НАСА. який розроблений, щоб скерувати вчених до пошуку життя за межами Землі в рамках практичних обмежень роботизованих космічних місій. 

Команда також дослідила Salar de Pajonales за допомогою зображень безпілотника, які аналогічні зображенням рельєфу Марса, зробленим камерою High-Resolution Imaging Experiment (HIRISE) на борту Mars Reconnaissance Orbiter NASA. Ці дані дозволили їм визначити, що мікробне життя в Салар-де-Пахоналес не розподілено випадковим чином, а скоріше зосереджено в біологічних гарячих точках, які тісно пов’язані з наявністю води.ПОВ’ЯЗАНІ ІСТОРІЇ:Потім команда Уоррена-Роудса навчила згорточні нейронні мережі (CNN) розпізнавати та прогнозувати великі геологічні особливості в Салар-де-Пахоналес. Деякі з цих особливостей, як-от візерунчаста земля або багатокутні мережі, також є на Марсі. CNN також навчили виявляти та прогнозувати менші мікросередовища, які, швидше за все, містять біосигнатури.

На цей час дослідники продовжуватимуть тренувати свій штучний інтелект в Салар-де-Пахоналес, а потім мають на меті перевірити здатність CNN передбачати розташування та поширення стародавніх скам’янілостей строматолітів і солестійких мікробіомів. Це повинно допомогти йому дізнатися, чи можуть правила, які він використовує в цьому пошуку, також застосовуватися до пошуку біосигнатур в інших подібних природних системах. 

Після цього команда має на меті розпочати картографування гарячих джерел, замерзлого вкритого вічною мерзлотою ґрунту та каменів у сухих долинах, сподіваючись навчити штучний інтелект відточувати потенційні середовища існування в інших екстремальних середовищах тут, на Землі, перед потенційним дослідженням інших планет.