當我們考慮檢測到技術先進的概率時 外星人 生命，正如電影或連續劇中定期展示的那樣，一個合乎邏輯的問題出現了：“如果它存在，為什麼我們還沒有找到它？” 。 通常答案是我們只調查了銀河系的一小部分。
但另一個原因可能是幾十年前為第一台計算機開發的過時且效率低下的算法，這些算法無法應對現代數據集的處理。 在多倫多大學本科生 Peter Ma 與 SETI 研究所的科學家一起進行的一項研究中（Search for Extraterrestrial Intelligence，一個尋找外星人的項目 文明) 和其他科學機構，將深度機器學習技術應用於先前研究過的關於附近恆星的數據集。
由於使用了他們自己的神經網絡，科學家們發現了八個以前未識別的信號。 “總的來說，我們分析了 150 年通過經典方法分析的集合中 820 顆附近恆星的 2017 TB 數據。 但後來科學家們認為它不包含有趣的信號，Peter Ma 說。 - 今天，我們藉助望遠鏡將搜索範圍擴大到 1 萬顆恆星 貓鼬 不僅如此。 我們相信，這樣的工作將有助於加快我們的發現步伐，以回答“我們在宇宙中是孤獨的嗎？”這個問題。
尋找地外文明 (SETI) 項目通過嘗試檢測技術簽名或可能由地外文明開發的技術證據來尋找地球以外生命的證據。 最常用的方法是搜索無線電信號。
無線電是跨越令人難以置信的星際距離發送信息的好方法。 無線電信號 以光速（比最好的火箭快約 20 倍）穿過瀰漫在太空中的塵埃和氣體。 許多 SETI 項目使用天線來攔截理論上可以由地外文明傳輸的任何無線電信號。
本研究回顧了使用獲得的數據 格林班克的羅伯特·C·伯德望遠鏡. 目標是將新的深度學習技術應用於經典搜索算法以產生更準確的結果。 開始新的之後 算法 通過對數據進行人工重新分析以確認結果，科學家們發現了具有幾個關鍵特徵的信號：
- 信號是窄帶的，也就是說，它們的頻譜寬度很窄，大約為幾赫茲。 自然現象引起的信號通常是寬帶的
- 信號具有非零漂移速度。 信號源相對於地球上的接收器有一定的加速度，因此不在射電天文臺本地
- 這些信號顯然不是來自地球。 當我們將望遠鏡對準目標時，來自天體的信號就會出現，而當我們將它移開時，信號就會消失。 而與人類活動相關的無線電干擾通常會不斷出現，因為它們的來源就在附近。
SETI 研究所的天文學家認為，這些結果說明了將現代機器學習和計算機視覺方法應用於天文學數據處理的力量，這將帶來新的發現。 新的分析方法可以讓研究人員更有效地理解他們收集的數據，並迅速採取行動再次調查物體。
由於實驗 SETI 於 1960 年在格林班克天文台開始，該天文台是最新工作中使用的望遠鏡的所在地，進展使研究人員能夠收集比以往更多的數據。 龐大的體積需要新的計算工具進行快速處理和分析，以檢測可能是外星智慧證據的異常現象。 新神經網絡的使用開啟了尋找外星生命的新篇章。
也很有趣：