Forskere har i øjeblikket ret begrænsede muligheder i spørgsmålet om at indsamle prøver fra andre planeter - jordprøver fra Mars, som indsamles af roveren Vedholdenhed, når os snart. Så videnskabsmænd opfinder andre sansemetoder for at kende tegnene på udenjordisk liv. En af dem er ved hjælp af kunstig intelligens.
Et team af forskere fra SETI Institute (Search for Extraterrestrial Intelligence) kortlagde sjældne former liv, som blev opdaget i Salar de Pajonales saltflade på grænsen til den chilenske Atacama-ørken og Altiplano-plateauet.
Dernæst involverede holdet specialister, som vil hjælpe med at træne maskinlæringsmodellen til at genkende de mønstre og regler, der er forbundet med spredningen af liv i denne ikke særlig "gæstfri" region set fra et klimasynspunkt. På denne måde lærte modellen at opdage de samme mønstre og regler for en lang række landskaber – også dem, der kan findes på andre planeter.
Holdet fandt ud af, at deres system, som kombinerer statistisk økologi og AI, øgede sandsynligheden for at opdage biosignaturer med 87,5 %. Derudover kan programmet reducere det område, der kræves for at søge med så meget som 97%, så videnskabsmænd vil forbedre processen med at jage efter potentielle spor af liv markant.
"Vores værktøj giver os mulighed for at kombinere kraften i statistisk økologi med maskinlæring for at opdage og forudsige de mønstre og regler, hvorved naturen overlever og spreder sig i de barskeste landskaber på Jorden," siger forskerne. "Vi håber, at andre hold af astrobiologer vil tilpasse vores tilgang til at kortlægge andre beboelige miljøer og biosignaturer."
Sådanne maskinlæringsværktøjer, mener videnskabsmænd, kunne anvendes til robotiske planetariske missioner såsom NASAs Mars-rover Vedholdenhed, som i øjeblikket leder efter spor af liv i bunden af søkrateret på Mars. "Ved hjælp af disse modeller kan vi udvikle skræddersyede vejkort og algoritmer, der vil lede rovere til de steder med størst sandsynlighed for eksistensen af tidligere eller nuværende liv - uanset hvor skjult eller sjældent det er," tilføjer forskerne. .
Holdet valgte denne region for at teste deres model, fordi den er en analog af nutidens tørre og tørre landskab Mars. Det er et højtliggende tørt saltsøområde, der er udsat for høje niveauer af ultraviolet stråling, og trods al dens ubeboelighed er der nogle levende ting i dette miljø.
Også interessant:
Holdet indsamlede næsten 8 billeder og mere end 1 prøver for at identificere de fotosyntetiske mikrober, der lever i regionens saltkupler, klipper og alabastkrystaller. Holdet undersøgte også området ved hjælp af droner og fastslog, at det mikrobielle liv her ikke er tilfældigt fordelt, men tæt forbundet med tilstedeværelsen af vand. Holdet trænede derefter de neurale netværk til at genkende de geologiske træk i området, hvoraf nogle også findes på Mars.
Forskerne fortsætter i øjeblikket deres uddannelse AI ved Salar de Pajonales, og planlægger derefter at teste værktøjets evne til at forudsige placeringen og udbredelsen af gamle stromatolitfossiler og salttolerante mikrobiomer. Dette skulle hjælpe med at afgøre, om de regler, han bruger i denne søgning, kan anvendes til at søge efter biosignaturer i andre lignende systemer. Dernæst vil holdet kortlægge varme kilder, frossen jord og sten i tørre dale for at lære kunstig intelligens at lede efter liv i andre ekstreme områder på Jorden, før de udforsker andre planeter.
Læs også: