گوش دادن عمیق تر به حیات بیگانه از طریق هوش مصنوعی

به گزارش سرویس علم و فناوری خبر ناب به نقل از فرارو - حدود ۵۴۰ میلیون سال پیش اشکال مختلف حیات ناگهان از کف اقیانوس های گل آلود سیاره زمین شروع به ظهور کردند. این دوره به عنوان انفجار کامبرین شناخته می شود و این موجودات آبزی اجداد باستانی ما هستند. تمام حیات پیچیده روی زمین از این موجودات زیر آب تکامل یافته است. دانشمندان بر این باورند که تنها چیزی که لازم بود افزایش بسیار جزئی در سطح اکسیژن اقیانوس بالاتر از یک آستانه مشخص بوده است. اکنون ممکن است در میانه یک انفجار کامبرین برای هوش مصنوعی (AI) باشیم. در چند سال گذشته مجموعه ای از برنامه های هوش مصنوعی فوق العاده توانا مانند Midjourney، DALL-E ۲ و Chat GPT پیشرفت سریعی را که ما در یادگیری ماشین داشته ایم به نمایش گذاشته اند.

به گزارش فرارو به نقل از آسیا تایمز، هوش مصنوعی در حال حاضر تقریبا در تمام زمینه های علم برای کمک به پژوهشگران در انجام وظایف طبقه بندی معمولی استفاده می شود. هم چنین، هوش مصنوعی به تیم اخترشناسان رادیویی کمک می کند تا جستجوی حیات فرازمینی را گسترش دهند و نتایج تاکنون امیدوارکننده بوده اند.

کشف سیگنال های بیگانه با استفاده از هوش مصنوعی

به عنوان دانشمندانی که در جستجوی شواهدی از حیات هوشمند فراتر از زمین هستند تیم پژوهشی دانشگاه کورتین در استرالیا یک سیستم هوش مصنوعی ساخته اند که الگوریتم های کلاسیک را در وظایف مرتبط با تشخیص سیگنال شکست می دهد. در پژوهش صورت گرفته تیم دانشگاه کورتین هوش مصنوعی برای جستجو در داده های تلسکوپ های رادیویی به منظور یافتن سیگنال هایی که امکان تولید آن توسط فرآیند های اخترفیزیکی طبیعی وجود نداشت آموزش دیده بودند.

هنگامی که به هوش مصنوعی مجموعه داده ای را که پیش مطالعه شده بود تغذیه کردند هشت سیگنال جالب که الگوریتم کلاسیک آن را از دست داده بود کشف کردند. برای روشن شدن بحث باید اشاره کرد که این سیگنال ها احتمالا از هوش فرا زمینی نیستند و به احتمال زیاد موارد نادر تداخل رادیویی می باشند. با این وجود، یافته های تیم دانشگاه کورتین که اخیرا در نشریه Nature Astronomy منتشر شدند نشان می دهند که چگونه تکنیک های هوش مصنوعی مطمئنا نقشی مستمر در جستجوی هوش فرازمینی ایفا می کنند.

نه چندان باهوش

الگوریتم های هوش مصنوعی "نمی فهمند" و "فکر نمی کنند". الگوریتم های هوش مصنوعی در تشخیص الگو عالی هستند و برای کار هایی مانند طبقه بندی بسیار مفید می باشند، اما توانایی حل مسئله را ندارند. الگوریتم های هوش مصنوعی تنها وظایف خاصی را انجام می دهند که برای انجام آن آموزش دیده اند.

بنابراین، اگرچه ایده هوش مصنوعی که هوش فرازمینی را تشخیص می دهد شبیه داستان یک رمان علمی تخیلی هیجان انگیز به نظر می رسد، اما هر دو اصطلاح ناقص هستند: برنامه های هوش مصنوعی هوشمند نیستند و جستجو برای هوش فرازمینی نمی تواند شواهد مستقیمی از هوش پیدا کند.

در عوض، اخترشناسان رادیویی به دنبال تکنوسیگنچر های رادیویی هستند. این سیگنال های فرضی نشان دهنده حضور فناوری و به طور نیابتی وجود جامعه ای با قابلیت مهار فناوری برای ارتباطات هستند. برای پژوهش صورت گرفته الگوریتمی ایجاد کردیم که از روش های هوش مصنوعی برای طبقه بندی سیگنال ها به عنوان تداخل رادیویی یا نامزد امضای فنی واقعی استفاده می کند. الگوریتم به کار گرفته شده در پژوهش بهتر از آن چیزی بود که پژوهشگران امیدوار بودند.

جستجو های تکنوسیگنچر به جستجوی سوزن در انبار کاه کیهانی تشبیه شده اند. تلسکوپ های رادیویی حجم عظیمی از داده ها را تولید می کنند و در آن مقادیر زیادی تداخل از منابعی مانند تلفن ها، وای فای و ماهواره ها وجود دارد. الگوریتم های جستجو باید بتوانند امضا های فنی واقعی را از "مثبت های نادرست" حذف کنند و این کار را به سرعت انجام دهند. طبقه بندی کننده هوش مصنوعی صورت گرفته در پژوهش این الزامات را ارائه می دهد.

برای ایجاد مجموعه ای از داده های آموزشی سیگنال های شبیه سازی شده در داده های واقعی قرارداده شدند و سپس از این مجموعه داده برای آموزش الگوریتم هوش مصنوعی به نام رمزگذار خودکار استفاده شد. همان طور که رمزگذار خودکار داده ها را پردازش می کرد آموخته بود ویژگی های برجسته در داده ها را شناسایی کند.

در مرحله دوم، این ویژگی ها به الگوریتمی به نام طبقه بندی "جنگل تصادفی" داده شدند. این طبقه بندی کننده درخت های تصمیم گیری را ایجاد می کند تا تصمیم بگیرد که آیا سیگنال قابل توجه است یا تنها تداخل رادیویی اساسا سوزن ها را از انبار کاه جدا می کند. تیم پژوهشی پس از آموزش الگوریتم هوش مصنوعی بیش از ۱۵۰ ترابایت داده (۴۸۰ ساعت مشاهده) را از تلسکوپ گرین بانک در ویرجینیای غربی به آن تغذیه کرد. شناسایی ۲۰۵۱۵ سیگنال مورد علاقه صورت گرفت و تیم مجبور شد آن سیگنال ها را به صورت دستی بررسی کند. از این تعداد هشت سیگنال دارای ویژگی های تکنوسیگنچر بودند و نمی توان آن سیگنال ها را به تداخل رادیویی نسبت داد.

هشت سیگنال، بدون شناسایی مجدد

پژوهشگران برای بررسی و تایید این سیگنال ها به تلسکوپ بازگشتند تا هر هشت سیگنال مورد نظر را دوباره مشاهده کنند. متاسفانه آنان موفق نشدند هیچ یک از آن سیگنال ها را در مشاهدات بعدی خود بار دیگر شناسایی کنند.

این تیم پژوهشی پیش تر در موقعیت های مشابهی قرار گرفته بود. برای مثال، آن تیم در سال ۲۰۲۰ میلادی سیگنالی را شناسایی کرده بود که مشخص شد تداخل رادیویی مخرب بوده است. در حالی که تیم بررسی کننده هشت نامزد جدید را زیر نظر خواهد گرفت محتمل ترین توضیح این است که آن نمود های بیرونی غیر عادی نه بیگانگان بلکه تداخل رادیویی بودند. متاسفانه موضوع تداخل رادیویی راه به جایی نمی برد. با این وجود، با ظهور فناوری های جدید برای مقابله با آن مجهزتر خواهیم بود.

محدود کردن جستجو

تیم انجام دهنده پژوهش اخیرا یک پردازنده سیگنال قدرتمند را در تلسکوپ MeerKAT در آفریقای جنوبی مستقر کرده است. MeerKAT از تکنیکی به نام تداخل سنجی برای ترکیب ۶۴ دیش خود به منظور عمل به عنوان یک تلسکوپ استفاده می کند. این تکنیک بهتر می تواند مشخص کند که سیگنال از کجا در آسمان می آید که به شدت مثبت کاذب ناشی از تداخل رادیویی را کاهش می دهد.

اگر اخترشناسان موفق به شناسایی نشانه های فناوری شوند که نمی توان آن را به عنوان تداخل توضیح داد این موضوع به شدت نشان می دهد که انسان ها تنها خالق فناوری در کهکشان نیستند. این یکی از عمیق ترین اکتشافات قابل تصور خواهد بود. در عین حال، اگر دانشمندان هیچ چیز را شناسایی نکنند این لزوما بدان معنا نیست که ما تنها گونه های هوشمند با قابلیت فناوری در پیرامون هستیم. هم چنین، عدم شناسایی می تواند بدان معنا باشد که ما به دنبال نوع سیگنال مناسبی نبوده ایم یا تلسکوپ های مان هنوز به اندازه کافی حساس نیستند تا ارسال های ضعیف از سیارات فراخورشیدی دور را تشخیص دهند. ممکن است پیش از انجام یک انفجار کامبرین از اکتشافات لازم باشد از یک آستانه حساسیت عبور کنیم. از طرف دیگر، اگر واقعا تنها هستیم باید زیبایی و شکنندگی منحصر به فرد زندگی اینجا بر روی سیاره زمین را بررسی کنیم.

این خبر توسط سایت فرارو منتشر شده و خبر ناب صرفا آن را به اشتراک گذاشته است.

منبع : فرارو