当我们考虑检测到技术先进的概率时 外星人 生命，正如电影或连续剧中定期展示的那样，一个合乎逻辑的问题出现了：“如果它存在，为什么我们还没有找到它？” 。 通常答案是我们只调查了银河系的一小部分。
但另一个原因可能是几十年前为第一台计算机开发的过时且效率低下的算法，这些算法无法应对现代数据集的处理。 在多伦多大学本科生 Peter Ma 与 SETI 研究所的科学家一起进行的一项研究中（Search for Extraterrestrial Intelligence，一个寻找外星人的项目 文明) 和其他科学机构，将深度机器学习技术应用于先前研究过的关于附近恒星的数据集。
由于使用了他们自己的神经网络，科学家们发现了八个以前未识别的信号。 “总的来说，我们分析了 150 年通过经典方法分析的集合中 820 颗附近恒星的 2017 TB 数据。 但后来科学家们认为它不包含有趣的信号，Peter Ma 说。 - 今天，我们借助望远镜将搜索范围扩大到 1 万颗恒星 猫鼬 不仅如此。 我们相信，这样的工作将有助于加快我们的发现步伐，以回答“我们在宇宙中是孤独的吗？”这个问题。
寻找地外文明 (SETI) 项目通过尝试检测技术签名或可能由地外文明开发的技术证据来寻找地球以外生命的证据。 最常用的方法是搜索无线电信号。
无线电是跨越令人难以置信的星际距离发送信息的好方法。 无线电信号 以光速（比最好的火箭快约 20 倍）穿过弥漫在太空中的尘埃和气体。 许多 SETI 项目使用天线来拦截理论上可以由地外文明传输的任何无线电信号。
本研究回顾了使用获得的数据 格林班克的罗伯特·C·伯德望远镜. 目标是将新的深度学习技术应用于经典搜索算法以产生更准确的结果。 开始新的之后 算法 通过对数据进行人工重新分析以确认结果，科学家们发现了具有几个关键特征的信号：
- 信号是窄带的，也就是说，它们的频谱宽度很窄，大约为几赫兹。 自然现象引起的信号通常是宽带的
- 信号具有非零漂移速度。 信号源相对于地球上的接收器有一定的加速度，因此不在射电天文台本地
- 这些信号显然不是来自地球。 当我们将望远镜对准目标时，来自天体的信号就会出现，而当我们将它移开时，信号就会消失。 而与人类活动相关的无线电干扰通常会不断出现，因为它们的来源就在附近。
SETI 研究所的天文学家认为，这些结果说明了将现代机器学习和计算机视觉方法应用于天文学数据处理的力量，这将带来新的发现。 新的分析方法可以让研究人员更有效地理解他们收集的数据，并迅速采取行动再次调查物体。
由于实验 SETI 于 1960 年在格林班克天文台开始，该天文台是最新工作中使用的望远镜的所在地，进展使研究人员能够收集比以往更多的数据。 庞大的体积需要新的计算工具进行快速处理和分析，以检测可能是外星智慧证据的异常现象。 新神经网络的使用开启了寻找外星生命的新篇章。
也很有趣：