Strojnim učenjem žele otkriti potpise izvanzemaljskih civilizacija

Traganje za "tehnopotpisima", signalima koji bi mogli do Zemlje dolaziti od drugih tehnološki naprednih civilizacija, bit će olakšano korištenjem umjetne inteligencije. Za sada su pronašli osam kandidata

Sandro Vrbanus srijeda, 1. veljače 2023. u 18:15
Ilustracija:
Ilustracija: "Teleskop Green Bank spojen na umjetnu inteligenciju" Danielle Futselaar / Breakthrough Listen

U najnovijem izdanju časopisa Nature Astronomy objavljen je rad jednog studenta sa sveučilišta u Torontu, koji se bavi novom metodom traganja za "tehnopotpisima" u izvanzemaljskim signalima. U njemu se opisuju postupci i rezultati projekta, unutar kojeg je analizirano oko 3 milijuna signala, snimljenih iz smjera 820 zvijezda, pomoću radioteleskopa Green Bank u američkoj saveznoj državi Zapadnoj Virginiji. Svi ovi radiosignali predani su na analizu sustavu umjetne inteligencije, koji je uz pomoć strojnog učenja "naučio" prepoznavati zanimljive i neobične uzorke u njima.

Ukupno je na ovaj način analizirano 480 sati zapisa, a AI sustav je u njima identificirao osam znanstvenicima zanimljivih signala, kakvi prije nisu bili uočeni. Oni se smatraju mogućim kandidatima za "tehnopotpise", odnosno znakove da ih je možda, iz dubokog svemira, odaslala kakva inteligentna i tehnološki napredna civilizacija.

Traženje igle u plastu sijena

Budući da ogroman dio takvih signala do naših radioteleskopa dolazi od vlastite nam civilizacije, sa satelita ili zemaljskih izvora zračenja, korištenje umjetne inteligencije pomoglo je pri razlučivanju pravog svemirskog signala od ljudski generiranog šuma. Student iz Toronta, Peter Ma, izradio je do sada najnapredniji algoritam za te svrhe i omogućio pronaći "iglu u plastu sijena", tj. maleni izvanzemaljski signal s očekivanim karakteristikama, u šumi ostalih zabilježenih signala.

Peter Ma 📷 Polina Teif
Peter Ma Polina Teif

Ono što je ovaj algoritam donio, jest mogućnost traganja za specifičnim obilježjima signala u "zagušenom" radioprostoru, tj. u situacijama kada radioteleskop nije strogo fokusiran na jedan izvor, već "sluša" širi spektar frekvencija. Tada je ključno izolirati traženi signal od pozadinske buke, što je zadatak novih algoritama strojnog učenja. Isto tako, računala su sposobna brzo analizirati velike količine podataka na ovaj način, pa se znanstvenici nadaju primijeniti nove algoritme na već postojeće velike skupove ranije prikupljenih podataka, ne bi li u njima pronašli zanimljive im "tehnopotpise".

"Ukupno smo pretražili 150 TB podataka s 820 obližnjih zvijezda, unutar skupova koji su već pretraženi 2017. godine klasičnim tehnikama i označeni kao nezanimljivi", kaže Ma i dodaje: "Sada već skaliramo svoje napore prema milijunu zvijezda i dalje, s teleskopom MeerKAT. Nadamo se da će radovi poput ovoga pomoći ubrzati ritam novih otkrića, a sve s velikim ciljem odgovaranja na pitanje 'jesmo li sami u svemiru?'".

Radioteleskop Green Bank 📷 Chris Schodt/Breakthrough Listen
Radioteleskop Green Bank Chris Schodt/Breakthrough Listen

Spomenutih osam signala došlo je iz smjera pet "obližnjih" zvijezda, u krugu od 90 svjetlosnih godina od Zemlje. Svi oni su signali uskog frekvencijskog područja, kakve prirodni izvori vrlo rijetko emitiraju. Jedan od njih došao je iz pravca zvijezde nalik našem Suncu, drugi je zastao, pa se ponovno pojavio… kao takvi, svi pronađeni signali vrijedni su dodatne analize.

Inicijativu ovog studenta podupire organizacija Breakthrough Listen i inicijativa Search for Extraterrestrial Intelligence (SETI institut), obje fokusirane na traganje za inteligentnim životom izvan Zemlje.

Grafički prikaz (waterfall plot) pronađenih uskih radiosignala
Grafički prikaz (waterfall plot) pronađenih uskih radiosignala