Идентификовано је 20.515 потенцијалних сигнала који су затим ручно прегледани. Осам сигнала је имало карактеристике технопотписа и нису се могло приписати радијским сметњама.
У последње време сведочимо све бржем развоју вештачке интелигенције (AI). Многи од нас су се, примерице, окушали у креирању текстова помоћу ChatGPТ-а, а истраживање је показало да тај популарни програм може добити и пролазну оцјену на испитима правног факултета. АI се сада користи у готово свим подручјима науке као подршка у рутинским задацима класификације, а недавно су га и прилично успешно користили у потрази за ванземаљским животом.
Астроном Дени Си. Прајс са Универзитета Картин и колеге креирали су систем који надмашује класичне алгоритме у задацима откривања сигнала. Обучили су вештачку интелигенцију да анализира податке с радио–телескопа и да тражи сигнале који се не могу генерисати природним астрофизичким процесима. Систем је потом открио осам занимљивих сигнала које је пропустио класични алгоритам. Наравно, то не значи да је засигурно пронашао поруке ванземаљске цивилизације, вероватно се ради о ретким случајевима радијског шума (сметњи), но сами налази су обећавајући и указују на то да ће технике вештачке интелигенције засигурно играти сталну улогу у потрази за ванземаљском интелигенцијом, пише The Conversation.
Претраживање технопотписа упоређује се с тражењем игле у космичком пласту сена. Радио–телескопи производе огромне количине података, а у њима је и мноштво сметни које долазе из различитих извора, попут телефона, WiFi-ја и сателита.
Треба напоменути да АI алгоритми не разумеју, нити размишљају. Они су изврсни у препознавању узорака и показали су се веома кориснима за задатке као што је класификација, али немају способност решавања проблема. Раде само специфичне задатке за које су обучени. Иако идеја о вештачкој интелигенцији која детектује ванземаљску интелигенцију звучи као заплет узбудљивог научно-фантастичног романа, оба су израза мањкава: програми вештачке интелигенције нису интелигентни, а потрага за ванземаљском интелигенцијом не може пронаћи непосредне доказе те интелигенције.
Радио–астрономи заправо траже технопотписе, радио–сигнале који могу указивати на присуство технологије и, посредно, на постојање друштва са способношћу да технологију користи за комуникацију. Прајс и ссрадници су у сврху истраживања израдили алгоритам који користи АI методе за класификовање сигнала као радијских сметњи или правих кандидата за технопотпис, а а он се показао ефикаснијим него што су очекивали.
„Претраживање технопотписа упоређује се с тражењем игле у космичком пласту сена. Радио–телескопи производе огромне количине података, а у њима је и мноштво сметни које долазе из различитих извора, попут телефона, WiFi-ја и сателита. Алгоритми морају издвојити стварне технопотписе од лажно позитивних, и то брзо. А наш AI класификатор испуњава те захтеве”, објашњава Прајс. „Након што смо увежбали AI алгоритам, дали смо му више од 150 терабајта података (480 сати поsматрања) с телескопа Грин бенк у Западној Вирџнији. Идентификовао је 20.515 потенцијалних сигнала које смо затим ручно прегледали. Осам сигнала је имало карактеристике технопотписа и нису се могло приписати радијским сметњама.”
Научници су затим покушали телескопима поново детектовати уочене сигнале, али без успеха. Можда се радило о једнократном сигналу из свемира, но највероватније објашњење јесте да су наишли на необичне манифестације радијских сметњи. „Наш тим је недавно поставио снажан процесор сигнала на телескоп MeerKAT у Јужноафричкој Републици. MeerKAT користи посебну технику помоћу које комбинира 64 антене да делују као један телескоп. Овом техником се може боље одредити одакле на небу долази неки сигнал, што ће драстично смањити лажне позитивне резултате радијских сметњи”, наводи Прајс. „Ако астрономи детектују технопотпис који се не може објаснити радијским шумом, то би био добар показатељ да нисмо једина технолошки напредна цивилизација у свемиру. То би било једно од најзначајнијих открића.”
„Уколико ништа не откријемо, то не значи нужно да смо једина технолошки способна интелигентна врста у свемирском суседству. Можда нисмо тражили праву врсту сигнала или наши телескопи још нису довољно осетљиви за детекцију слабих преноса с далеких егзопланета”, закључио је Прајс. Истраживање названо A deep-learning search for technosignatures from 820 nearby stars објављено је у часопису Nature Astronomy.
(Индекс)
